lekcii po slu˜ajni procesi - store.fmi.uni-sofia.bg · 1. ponqtie za stohasti˜en proces 5 pri...
TRANSCRIPT
s˙D˙RVANIE
1 pONQTIE ZA STOHASTIˆEN PROCES 41 pONQTIE ZA STOHASTIˆEN PROCES . . . . . . . . . . . . . . . . . . . . . 4
1.1 sPOMENI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41.2 oPREDELENIE ZA STOHASTIˆEN PROCES . . . . . . . . . . . . . . . 41.3 tEOREMA NA kOLMOGOROW . . . . . . . . . . . . . . . . . . . . . . 5
2 gAUSOWI PROCESI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62.1 wINEROW PROCES wt, t ∈ R+ . . . . . . . . . . . . . . . . . . . 62.2 bRAUNOWO DWIVENIE . . . . . . . . . . . . . . . . . . . . . . . . 7
2 eKSPONENCIALNO RAZPREDELENIE. pOASONOW PROCES 101 dOPUSKANIQ PRI MATEMATIˆESKOTO MODELIRANE I ROLQTA NA EKSPO-
NENCIALNOTO RAZPREDELENIE. . . . . . . . . . . . . . . . . . . . . . . . 102 eKSPONENCIALNO RAZPREDELENIE . . . . . . . . . . . . . . . . . . . . . . 11
2.1 oPREDELENIE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112.2 sWOJSTWA NA Exp RAZPREDELENIE . . . . . . . . . . . . . . . . . 112.3 dRUGI SWOJSTWA NA Exp RAZPREDELENIE . . . . . . . . . . . . . 13
3 pOASONOW PROCES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143.1 bROQ] PROCES . . . . . . . . . . . . . . . . . . . . . . . . . . . 153.2 dEFINICIQ NA pOASONOW PROCES . . . . . . . . . . . . . . . . . 163.3 rAZPREDELENIE NA WREMETO NA ˆAKANE DO P˙RWO POQWQWANE NA
S˙BITIE I WREMETO MEVDU DWE POSLEDOWATELNI POQWQWANIQ
NA S˙BITIETO W pOASONOW PROCES. . . . . . . . . . . . . . . . . 173.4 uSLOWNI RAZPREDELENIQ NA WREMENATA ZA POQWQWANE . . . . . . 18
4 oBOB]ENIQ NA pOASONOWIQ PROCES - SLOVEN I NEHOMOGENEN pOASONOWPROCES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204.1 sLOVEN POASONOW PROCES . . . . . . . . . . . . . . . . . . . . . 204.2 nEHOMOGENEN pOASONOW PROCES . . . . . . . . . . . . . . . . . . 214.3 rAZPREDELENIE NA FUNKCII OT pOASONOW PROCES . . . . . . . . 23
3 wINEROW PROCES 241 nQKOLKO ZADAˆI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242 mOMENT NA P˙RWO DOSTIGANE NA NIWO . . . . . . . . . . . . . . . . . . 263 sWOJSTWA NA TRAEKTORIITE NA wINEROWIQ PROCES . . . . . . . . . . . 28
1
2 s¨d¨rvanie
4 nEPREK˙SNATOST - DEFINICII . . . . . . . . . . . . . . . . . . . . . . . 284.1 nEPREK˙SNATOST P.S. . . . . . . . . . . . . . . . . . . . . . . . . 284.2 sTOHASTIˆNA NEPREK˙SNATOST . . . . . . . . . . . . . . . . . . 294.3 sEPARABELNOST . . . . . . . . . . . . . . . . . . . . . . . . . . . 304.4 nEOBHODIMI I DOSTAT˙ˆNI USLOWIQ ZA NEPREK˙SNATOST . . . . 314.5 L2−NEPREK˙SNATOST . . . . . . . . . . . . . . . . . . . . . . . . 31
5 dIFERENCIRANE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326 bRAUNOW MOST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4 wERIGI NA mARKOW - 1 351 dEFINICIQ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352 uRAWNENIQ NA ˜EPMEN-kOLMOGOROW . . . . . . . . . . . . . . . . . . . . 363 kLASIFIKACIQ NA S˙STOQNIQTA . . . . . . . . . . . . . . . . . . . . . . 38
5 wERIGI NA mARKOW - 2 441 gRANIˆNI WEROQTNOSTI . . . . . . . . . . . . . . . . . . . . . . . . . . 442 sREDNO WREME W PREHODNITE S˙STOQNIQ . . . . . . . . . . . . . . . . . 483 rAZKLONQWA]I SE PROCESI . . . . . . . . . . . . . . . . . . . . . . . . . 494 oBRATIMI mARKOWSKI WERIGI( W˙W WREMETO) . . . . . . . . . . . . . . 51
6 mARKOWSKI WERIGI S NEPREK˙SNATO WREME (mwnw) 531 dEFINICIQ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 532 pROCESI NA RAVDANE I UMIRANE . . . . . . . . . . . . . . . . . . . . . 553 wEROQTNOSTTA FUNKCIQ NA PREHODITE Pij(t) . . . . . . . . . . . . . . . 574 gRANIˆNI WEROQTNOSTI . . . . . . . . . . . . . . . . . . . . . . . . . . 605 pRESMQTANE NA PREHODNITE WEROQTNOSTI . . . . . . . . . . . . . . . . 616 zADAˆI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
7 iNTEGRIRANE NA SLUˆAJNI PROCESI 681 iNTEGRAL OT SLUˆAEN PROCES OTNOSNO NESLUˆAJNA MQRKA . . . . . . . 682 oSNOWNA TEOREMA NA STOHASTIˆNOTO SMQTANE (ANALOG NA FORMULATA
NA lAJBNIC-n@TON) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 733 iNTEGRAL OT NESLUˆAJNA FUNKCIQ PO SLUˆAEN PROCES . . . . . . . . . 73
8 sTOHASTIˆNI URAWNENIQ 781 sTOHASTIˆEN INTEGRAL PO wINEROW PROCES . . . . . . . . . . . . . . . 78
1.1 pREDWARITELNI BELEVKI . . . . . . . . . . . . . . . . . . . . . 781.2 sTIHASTIˆEN INTEGRAL ZA ELEMENTARNI FUNKCII . . . . . . . 80
2 nQKOI SWOJSTWA NA JT (e) . . . . . . . . . . . . . . . . . . . . . . . . . 812.1 sTOHASTIˆEN INTEGRAL ZA PROIZWOLNA FUNKCIQ S INTEGRUEM
KWADRAT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 813 sWOJSTWA NA STOHASTIˆNITE INTEGRALI . . . . . . . . . . . . . . . . . 844 fORMULA NA iTO ZA SMQNA NA PROMENLIWITE . . . . . . . . . . . . . . 845 sTOHASTIˆNI DIFERENCIALNI URAWNENIQ . . . . . . . . . . . . . . . . 87
s¨d¨rvanie 3
6 dOKAZATELSTWO NA FORMULATA NA iTO . . . . . . . . . . . . . . . . . . 88
9 sTOHASTIˆNI DIFERENCIALNI URAWNENIQ 901 oPREDELENIE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 902 pRIMERI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 913 s˙]ESTWUWANE I EDINSTWENOST NA RE[ENIETO NA sdu . . . . . . . . . 934 nQKOI WAVNI FORMULI . . . . . . . . . . . . . . . . . . . . . . . . . . 955 zADAˆI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
lEKCIQ 1
pONQTIE ZA STOHASTIˆEN PROCES
w TAZI LEKCIQ SI POSTAWQME SLEDNITE CELI:
• DA DADEM PONQTIE ZA STOHASTIˆEN PROCES;
• DA FORMULIRAME TEOREMATA NA kOLMOGOROW;
• DA DADEM PONQTIE ZA STACIONARNOST W TESEN I [IROK SMIS˙L;
• DA DEFINIRAME gAUSOW PROCES.
1 pONQTIE ZA STOHASTIˆEN PROCES
1.1 sPOMENI
nEKA E ZADADENO WEROQTNOSTNO PROSTRANSTWO ν = (Ω,F ,P) , K˙DETO Ω 6= ∅ ePROSTRANSTWOTO OT ELEMENTARNI S˙BITIQ, F E σ ALGEBRATA NA SL. S˙BITIQ I P eWEROQTNOSTNATA MQRKA.
nEKA ξ : Ω → R I E TAKAWA, ˆE ZA WSEKI INTERWAL (−∞, x) MNOVESTWOTO
Ax = ω : ξ(ω) < x E ELEMENT NA σ ALGEBRATA F , TOGAWA ξ SE NARIˆA SLUˆAJNAWELIˆINA.
fUNKCIQTA Fξ(x) = P(Ax) = P(ξ < x) SE NARIˆA FUNKCIQ NA RAZPREDELENIE (F.R.) NA ξ, A AKO S˙]ESTWUWA fξ(x) = F ′
ξ(x) SE NARIˆA PL˙TNOST NA RAZPREDELENIETONA SL. W. ξ.
1.2 oPREDELENIE ZA STOHASTIˆEN PROCES
pO-NATAT˙K S T ]E SE OZNAˆAWA NQKOE OT MNOVESTWATA N,Z,Q,R,Rn.
oPREDELENIE 1.1. sTOHASTIˆEN PROCES ξt, t ∈ T ]E NARIˆAME S˙WKUPNOSTOT SLUˆAJNI WELIˆINI DEFINIRANI W PROSTRANSTWOTO ν.
4
1. ponqtie za stohasti˜en proces 5
pRI FIKSIRANO ω ∈ Ω, ξt(ω) : T → R e REALNA FUNKCIQ DEFINIRANA W T , KOQTOSE NARIˆA TRAEKTORIQ NA PROCESA.
pRI WSQKO FIKSIRANO t ∈ T, ξt E SL. W. OPREDELENA W PROSTRANSTWOTO ν.
oPREDELENIE 1.2. pRI PROIZWOLNO FIKSIRANO n, I PROIZWOLEN NABORt1, t2, . . . , tn ∈ T, S˙WMESTNATA FUNKCIQ NA RAZPREDELENIE NA SL.W. (ξt1 , . . . , ξtn)
Fξt1 ,...,ξtn(x1, . . . , xn) = P(ξt1 < x1, . . . , ξtn < xn),
K˙DETO x1, x2, . . . , xn ∈ R SE NARIˆA KRAJNOMERNO RAZPREDELENIE NA SLUˆAJNIQ
PROCES ξt.
kOGATO T = N ILI Z PROCES˙T SE NARIˆA WREMENEN RED.
pRIMER 1.1. 1. nEKA T = Z I ξi : Eξi = 0,Varξi < ∞ I ξi SA NEZAWISIMI W
S˙WKUPNOST. tOGAWA SEMEJSTWOTO ξi, i ∈ T OBRAZUWA SLUˆAEN PROCES, KOJTO SENARIˆA BQL [UM.
2. nEKA T = N I ξi, i ∈ T OBRAZUWAT BQL [UM. tOGAWA Sn =∑n
i=1 ξi OBRAZU-WAT SL. PROCES KOJTO SE NARIˆA SLUˆAJNO LUTANE.
3. nEKA T = R I KRAJNOMERNITE RAZPREDELENIQ SA MNOGOMERNI NORMALNI
RAZPREDELENIQ. tOGAWA SL. PROCES SE NARIˆA gAUSOW.
1.3 tEOREMA NA kOLMOGOROW
tEOREMA 1.1. nEKA Ft1,...,tn(x1, . . . , xn), n ≥ 1, tk ∈ T E SEMEJSTWO OT FUNKCII
NA RAZPREDELENIE,KOITO UDOWLETWORQWAT USLOWIQTA ZA S˙GLASUWANOST:1. Ft1,...,tn,tn+1,...,tn+m(x1, . . . , xn,∞, . . . ,∞) = Ft1,...,tn,(x1, . . . , xn),2. Ft1,...,tn(x1, . . . , xn) = Ftk1
,...,tkn(xk1 , . . . , xkn),
K˙DETO (k1, . . . , kn) e PROIZWOLNA PERMUTACIQ NA (1,. . . ,n).tOGAWA S˙]ESTWUWA WEROQTNOSTNO PROSTRANSTWO (Ω,F ,P) I DEFINIRAN NA
NEGO STOHASTIˆEN PROCES, KOJTO IMA ZA KRAJNOMERNI RAZPREDELENIQ FUNKCIITEFt1,...,tn(x1, . . . , xn), n ≥ 1
oPREDELENIE 1.3. kAZWAME, ˆE DWA PROCESA ξt, ηt, t ∈ T DEFINIRANI NA WERO-QTNOSTNOTO PROSTRANSTWO ν SA STOHASTIˆESKI EKWIWALENTNI, AKO ZA WSQKO
t ∈ TP(ω : ξt(ω) 6= ηt(ω)) = 0.
oPREDELENIE 1.4. aKO m(t) = Eξt < ∞,∀t ∈ T, TO AWTOKOWARIACIONNA MAT-RICA NA PROCESA ξt NARIˆAME MATRICATA A = (A(ti, tj)) S ELEMENTI A(ti, tj) =Cov(ξti , ξtj), ti 6= tj.
(Cov(ξti , ξtj) = E[(ξti − Eξti)(ξtj − Eξtj)]).w SLUˆAQ, KOGATO ti = tj, TO A(ti, ti) = VarξtieDIN STOHASTIˆEN PROCES MOVE DA B˙DE ZADADEN ˆREZ KRAJNOMERNITE SI RAZP-
REDELENIQ ILI ˆREZ AWTOKOWARIACIONNATA SI MATRICA.
6 lekciq 1. ponqtie za stohasti˜en proces
lEMA 1.1. aKO ξt, t ∈ T E STOHASTIˆEN PROCES S KOWARIACIONNA FUNKCIQ
A(t, s), TQ E POLOVITELNO OPREDELENA, T.E. ZA WSEKI t1, t2, . . . , tn ∈ T I x1, x2, . . . ,xn ∈ R ⇒ 〈Ax, x〉 ≥ 0
oPREDELENIE 1.5. kAZWAME, ˆE PROCES˙T ξt, t ∈ T E SLABO STACIONAREN, ILISTACIONAREN W [IROK SMIS˙L AKO SA IZP˙LNENI:
1) m(t) = const;2) kOWARIACIONNATA FUNKCIQ A(t, s) = R(|t − s|) ZAWISI SAMO OT RAZLIKATA
|t− s|.
oPREDELENIE 1.6. kAZWAME, ˆE PROCES˙T ξt, t ∈ T E SILNO STACIONAREN, ILISTACIONAREN W TESEN SMIS˙L, AKO ZA WSQKO h > 0 I PROIZWOLNI t1, t2, . . . , tn ∈ TI x1, x2, . . . , xn ∈ R E IZP˙LNENO:
P(ξt1+h < x1, . . . , ξtn+h < xn) = P(ξt1 < x1, . . . , ξtn < xn).
2 gAUSOWI PROCESI
oPREDELQT SE NAP˙LNO ˆREZ MATEMATIˆESKOTO OˆAKWANE I KOWARIACIONNATA MAT-RICA.
tEOREMA 1.2. zA WSQKA FUNKCIQ m(t) I NEOTRICATELNO OPREDELENA FUNKCIQA(t, s), t, s ∈ R, S˙]ESTWUWA EDINSTWEN (PO OTNO[ENIE NA KRAJNOMERNITE RAZ-PREDELENIQ) gAUSOW PROCES ξt, t ∈ R S MATEMATIˆESKO OˆAKWANE m(t) = Eξt IKOWARIACIQ Cov(ξs, ξt) = A(s, t).
2.1 wINEROW PROCES wt, t ∈ R+oPREDELENIE 1.7. sTOHASTIˆEN PROCES wt, t ∈ R+, ZA KOJTO:
1) w0 = 0;2) wt − ws ∈ N(0, |t− s|σ2);3) wt e PROCES S NEZAWISIMI NARASTWANIQ, T.E. ZA PROIZWOLNI t1 < t2 < . . . <
tn SL. WELIˆINIwtn − wtn−1 , wtn−1 − wtn−2 , . . . , wt2 − wt1
SA NEZAWISIMI W S˙WKUPNOST;4) tRAEKTORIITE NA PROCESA SA NEPREK˙SNATI PO t ZA WSQKO ω.
aKO σ = 1 PROCES˙T SE NARIˆA STANDARTEN wINEROW PROCES.
tEOREMA 1.3. nEKA wt, t ∈ R+ e WINEROW PROCES. tOGAWA S˙WMESTNATA MU
PL˙TNOST IMA WIDA:
fw1,...,wn(x1, . . . , xn) =1√
2π√t1√t2 − t1 . . .
√tn − tn−1
exp
(−
n∑i=1
(xi − xi−1)2
2(ti − ti−1)
)ZA WSEKI t1, t2, . . . , tn ∈ R+ I x1, x2, . . . , xn ∈ R
2. gausowi procesi 7
tUK E OZNAˆENO wi = wti .sLEDOWATELNO wINEROWIQ PROCES E gAUSOW.
dOKAZATELSTWO: dA RAZGLEDAME ηk = wk − wk−1, k = 1, 2, . . . , n. nEKA σ = 1 ⇒ηk ∈ N(0, |tk − tk−1|). oSWEN TOWA ηk SA NEZAWISIMI SL.W. I NAKRAQ wtk = η1 + . . .+ηk. tOGAWA fw1,...,wn(x1, x2, . . . , xn) = fη1,...,ηn(x1 − x0, x2 − x1, . . . , xn − xn−1) KATOqKOBIAN˙T NA SMQNATA E EDINICA. sLEDOWATELNO
fη1,...,ηn(y1, y2, . . . , yn) =n∏
i=1
fηi(yi) =
n∏i=1
1√2π(ti − ti−1)2
e− y2
i2(ti−ti−1) .
pOLAGAME yk = xk − xk−1, k = 1, 2, . . . , n I POLUˆAWAME
fw1,...,wn(x1, . . . , xn) =1√
2π√t1√t2 − t1 . . .
√tn − tn−1
exp
(−
n∑i=1
(xi − xi−1)2
2(ti − ti−1)
)
oPREDELENIE 1.8. KaZWAME, ˆE ξt, t ∈ T E mARKOWSKI STOHASTIˆEN PROCES,AKO ZA ∀s, t ∈ T : s < t USLOWNOTO MATEMATIˆESKO OˆAKWANE
E(ξt|ξτ , τ ≤ s) = E(ξt|ξs),
T.E. PRI FIKSIRANO NASTOQ]E B˙DE]ETO NE ZAWISI OT MINALOTO.
2.2 bRAUNOWO DWIVENIE
dWIVENIETO NA ˆASTICI W TEˆNOST (ILI GAZ). d˙LVI SE NA NEPREK˙SNATITE
UDARI NA MOLEKULITE NA TEˆNOSTTA (GAZA).nEKA S Xt OZNAˆIM x KOORDINATATA NA BRAUNOWATA ˆASTICA W MOMENTA t I NEKA
X0 = 0. Xt, t ≥ 0 E STOHASTIˆEN PROCES, KATO:1) tRAEKTORIITE MU SA NEPREK˙SNATI;2) pROCES˙T E EDNORODEN, T.E. RAZPREDELENIETO NA Xt+h −Xt e EDNAKWO S TOWA
NA Xh.tOWA OZNAˆAWA, ˆE RAZPREDELENIETO NA NARASTWANETO (NA OTMESTWANETO) NA ˆAS-
TICATA NE ZAWISI OT MOMENTA t I MOVE DA SE PRIEME, AKO SREDATA E HOMOGENNA IZAKONITE ZA DWIVENIE NE SE MENQT S WREMETO.
3) Xt e S NEZAWISIMI NARASTWANIQ, T.E. UDARITE NA ˆASTICITE S MOLEKULITE NASREDATA ZA RAZLIˆNI INTERWALI OT WREME SA NEZAWISIMI.
oT TEZI SWOJSTWA ZAKL@ˆAWAME, ˆE Xt e wINEROW PROCES.
tEOREMA 1.4. nEKA ξt, t ∈ R+ UDOWLETWORQWA SLEDNITE USLOWIQ:1) ξ0 = 0,Eξt = 0,∀t ∈ R+;2) ξt E S NEZAWISIMI NARASTWANIQ;
8 lekciq 1. ponqtie za stohasti˜en proces
3) ξt+h − ξt e EDNAKWO RAZPREDELENA S ξh ZA WSQKO h > 0, t ∈ R+ (PI[EM
ξt+h − ξtd= ξh);
4) ξt IMA NEPREK˙SNATI TRAEKTORII;tOGAWA ξt, t ≥ 0 E wINEROW PROCES.
dOKAZATELSTWO: nEKA S f(x, t) DA OZNAˆIM PL˙TNOSTTA NA ξt I S Φh(x) - PL˙T-NOSTTA NA NARASTWANETO ξt+h− ξt. pO FORMULATA ZA P˙LNATA WEROQTNOST E NALICESLEDNOTO S˙OTNO[ENIE:
f(x, t+ h) =
∫R
f(x−∆, t)Φh(∆)d∆,
KOETO OTRAZQWA FAKTA, ˆE ZA DA IMA ˆASTICATA ABCISA x W MOMENTA t+h TQ TRQBWADA E BILA W TOˆKA S ABCISA x−∆ W MOMENTA t I ZA WREME h DA E IZMENILA ABCISATASI S ∆, K˙DETO ∆ ∈ R.
pO FORMULATA NA tEJLOR IMAME:
f(x, t+ h) ≈ f(x, t) + h∂f
∂t(x, t) + o(h), (1.1)
f(x−∆, t) ≈ f(x, t)−∆∂f
∂t(x, t) +
∆2
2
∂2f
∂x2(x, t) + o(∆2),
sLEDOWATELNO
f(x, t+ h) =
∫R
(f(x, t)−∆
∂f
∂t(x, t) +
∆2
2
∂2f
∂x2(x, t) + o(∆2)
)Φh(∆)d∆
≈ f(x, t)
∫R
Φh(∆)d∆− ∂f
∂t(x, t)
∫R
∆Φh(∆)d∆ +∂2f
∂x2(x, t)
∫R
∆2
2Φh(∆)d∆.
kATO ZNAEM, ˆE∫R
Φh(∆)d∆ = 1, ZA]OTO Φh(∆) E PL˙TNOST I∫R
∆Φh(∆)d∆ =E(ξt+h − ξt) = Eξt+h − Eξt = 0− 0 = 0, POLUˆAWAME:
f(x, t+ h) ≈ f(x, t) +∂2f
∂x2(x, t)
∫R
∆2
2Φh(∆)d∆. (1.2)
kATO PRIRAWNIM DESNITE STRANI NA (1.1) I (1.2), RAZDELIM NA h I OSTAWIM
h→ 0 POLUˆAWAME (URAWNENIE NA DIFUZIQ):
∂f
∂t(x, t) = D
∂2f
∂x2(x, t),
K˙DETO
D = limh→0
1
h
∫R
∆2
2Φh(∆)d∆,
KOETO SE NARIˆA KOEFICIENT NA DIFUZIQ.
2. gausowi procesi 9
zADAˆATA NA kO[I ZA URAWNENIETO NA DIFUZIQTA E:∂f∂t
(x, t) = D ∂2f∂x2 (x, t),
f(x, 0) = δ(x).
tUK FUNKCIQTA δ(x) SE OPREDELQ ˆREZ δ(x) = 1, PRI x = 0 I δ(x) = 0, PRIx 6= 0.
rE[ENIETO SE DAWA S FORMULATA NA pOASON:
f(x, t) =1√
4πDt
∫R
f(x− y, 0)e−y2
4Dtdy
ILI
f(x, t) =1√
4πDte−
x2
4Dt .
lEKCIQ 2
eKSPONENCIALNO RAZPREDELENIE.pOASONOW PROCES
w TAZI LEKCIQ SI POSTAWQME SLEDNITE CELI:
• DA RAZGLEDAME SWOJSTWATA NA EKSPONENCIALNOTO RAZPREDELENIE;
• DA DEFINIRAME pOASONOW PROCES;
• DA IZUˆIM NQKOI SWOJSTWA NA pOASONOW PROCES;
1 dOPUSKANIQ PRI MATEMATIˆESKOTO MODELIRANE
I ROLQTA NA EKSPONENCIALNOTO RAZPREDELENIE.
pRI MATEMATIˆESKOTO MODELIRANE NA REALNI QWLENIQ WINAGI E NEOBHODIMO DA
SE PRAWQT OPREDELENI OPROSTQWA]I PREDPOLOVENIQ TAKA, ˆE MODEL˙T DA MOVE DASE IZSLEDWA MATEMATIˆESKI. oT DRUGA STANA TEZI OPROSTQWANIQ NE TRQBWA DA SAPREKALENO MNOGO. T˙J KATO MODEL˙T NQMA DA MOVE DA B˙DE PRILOVEN ZA REALNI QW-LENIQ. nAKRATKO, NIE PRAWIM ”DOSTAT˙ˆNO” TAKIWA DOPUSKANIQ OT MATEMATIˆESKAGLEDNA TOˆKA I TAKA, ˆE DA NE SE OTDALEˆAWAME OT ISTINSKIQ REALEN OBEKT.
eDNO TAKOWA OPROSTQWANE E DOPUSKANETO, ˆE NQKOI SL. W. SA Exp RAZPREDELENI(LESNO SE RABOTI I ˆESTO E DOBRA APROKSIMACIQ NA AKTUALNOTO RAZPREDELENIE.)sWOJSTWOTO, KOETO GO PRAWI LESNO DA SE RABOTI S NEGO E, ˆE TO NE SE PROMENQ
S WREMETO. tOWA OZNAˆAWA, ˆE AKO WREMETO NA VIWOT NA NQKAK˙W ELEMENT E ExpRAZPREDELENO TOZI ELEMENT, NEZAWISIMO, ˆE E RABOTIL OPREDELENO WREME, TOJ E
TOLKOWA ”DOB˙R”, KAKTO I AKO NE E RABOTIL IZOB]O. (pO OTNO[ENIE NA WREMETOKOETO MU OSTAWA DOKATO OKONˆATELNO OTKAVE DA RABOTI.)
˝E FORMULIRAME STROGO TOWA SWOJSTWO I ]E POKAVEM, ˆE Exp RAZPREDELENIEE EDINSTWENOTO S TOWA SWOJSTWO.
10
2. eksponencialno razpredelenie 11
2 eKSPONENCIALNO RAZPREDELENIE
2.1 oPREDELENIE
nEPREK˙SNATATA SL. W. X ∈ Exp(λ), λ > 0 AKO IMA PL˙TNOST:
f(x) =
λe−λx, x ≥ 0,0, x < 0,
ILI F.R. F (x) =
∫ x
−∞f(y)dy =
1− e−λx, x ≥ 0,0, x < 0.
mATEMATIˆESKOTO OˆAKWANE E EX =∫ +∞−∞ xdF (x) = 1/λ.
pORAVDA]ATA FUNKCIQ NA MOMENTITE E
ϕ(t) = EetX =
∫ ∞
0
etxλe−λxdx =λ
λ− t, t < λ
I
EX2 =d2
dt2ϕ(t)|t=0 =
2
λ2⇒ VarX =
1
λ2.
2.2 sWOJSTWA NA Exp RAZPREDELENIE
kAZWAME, ˆE SL. W. X IMA RAZPREDELENIE BEZ POSLEDEJSTWIE (memoryless) AKO
P(X > s+ t|X > t) = P(X > s), ∀s, t ≥ 0,
ILI EKWIWALENTNOP(X > s+ t,X > t)
P(X > t)= P(X > s).
aKO X ∈ Exp(λ) TOP(X > s+ t,X > t)
P(X > t)=
e−λ(t+s)
e−λt= e−λs = P(X > s),
SLEDOWATELNO Exp RAZPREDELENIE E BEZ POSLEDEJSTWIE.
pRIMER 2.1. dA DOPUSNEM, ˆE WREMETO, KOETO ˆOWEK PREKARWA W BANKATA EExp(1/10), T.E. SREDNO 10 min.
a) kOLKO E WEROQTNOSTTA, DADEN KLIENT DA PREKARA POWEˆE OT 15 min?b) kOLKO E WEROQTNOSTTA EDNI KLIENT DA PREKARA PONE O]E 15 min, AKO SE
ZNAE, ˆE WEˆE E PRESTOQL W BANKATA 10 min?rE[ENIE. nEKA X E SL. W. RAWNA NA WREMETO NA PRESTOJ NA SLUˆAJNO WZET
ˆOWEK W BANKATA. tOGAWA X ∈ Exp(1/10).a) P(X > 15) = e−15λ = e−15/10 ∼ 0.220.b) P(X > 25|X > 10) = e−15λ = e−15/10 ∼ 0.220.
pRIMER 2.2. w PO]ENSKI OFIS IMA DWE GI[ETA ZA OBSLUVWANE NA KLIENTITE.g-N iWANOW, WLIZAJKI W PO]ATA WIVDA, ˆE G-N pETROW E NA EDNOTO GI[E, A G-NdIMOW NA DRUGOTO. dA DOPUSNEM, ˆE G-N iWANOW ]E B˙DE OBSLUVEN WEDNAGA SLEDKATO B˙DE OBSLUVEN pETROW ILI dIMOW. aKO WREMETO ZA OBSLUVWANE NA EDINKLIENT E Exp RAZPREDELENA SL. W. S PARAMET˙R λ, KOLKO E WEROQTNOSTTA ZATOWA iWANOW DA NAPUSNE PO]ATA POSLEDEN OT TRIMATA? (oTG. 1/2).
12lekciq 2. eksponencialno razpredelenie. poasonow proces
oKAZWA SE, ˆE Exp RAZPREDELENIE E EDINSTWENOTO S TOWA SWOJSTWO. nEKA F (x)E F.R. NA SL. W.X BEZ POSLEDEJSTWIE I DA OZNAˆIM F (x) = 1 − F (x) = P(X > x).tOGAWA F (s+ t) = F (s)F (t) ZA WSEKI s, t ≥ 0, T.E. F e RE[ENIE NA FUNKCIONALNOTOURAWNENIE g(s+ t) = g(s)g(t), KOETO IMA EDINSTWENO NEPREK˙SNATO RE[ENIE e−λt S
λ = − log g(1).sWOJSTWOTO BEZ POSLEDEJSTWIE SE IL@STRIRA OT T. NAR. FUNKCIQ NA ZAGUBITE
(failure rate function), r(t), KOQTO SE OPREDELQ KATO r(t) =f(t)
F (t).
nEKA X e SL. W. RAWNA NA WREMETO NA RABOTA NA EDNA SISTEMA. iNTERESUWAMESE OT WEROQTNOSTTA SISTEMATA DA OTKAVE W INTERWALA (t, t + dt) AKO RABOTI W
MOMENTA t, T. E.
P(X ∈ (t, t+ dt)|X > t) =P(X ∈ (t, t+ dt), X > t)
P(X > t)
=P(t < X < t+ dt)
P(X > t)=f(t)dt
F (t)= r(t)dt,
T.E. r(t) e USLOWNATA WEROQTNOST ZA IZLIZANE OT STROQ NA SISTEMATA PREVIWQLA
WREME t.aKO X ∈ Exp(λ) TO OSTAWA]OTO WREME NA RABOTA NA TAZI SISTEMA E EDNAKWO
RAZPREDELENO S WREMETO ZA RABOTA NA NOWA SISTEMA. tOGAWA STEPENTA NA OTKAZ
TRQBWA DA E POSTOQNNA. dEJSTWITELNO r(t) = λe−λt
e−λt = λ, T.E. FUNKCIQTA NA ZAGUBITEPRI Exp RAZPREDELENIE E POSTOQNNA. pO TAZI PRIˆINA λ MOVE DA SE INTERPRETIRAO]E KATO STEPEN NA RAZPREDELENIETO (TQ E OBRATNO PROPORCIONALNA NA SREDNOTO).
fUNKCIQTA r(t) OPREDELQ PO EDINSTWEN NAˆIN F.R. F (t), ZA]OTO
r(t)dt =f(t)dt
1− F (t)⇒ log F (t) = −
∫ t
0
r(t)dt+ k1
ILI
F (t) = ke−∫ t0 r(t)dt.
pRI t = 0 SE OPREDELQ k = 1, TAKA F (t) = e−∫ t0 r(t)dt.
pRIMER 2.3. hIPEREKSPONENCIALNO RAZPREDELENI SL. W.: nEKA Xi ∈ Exp(λi), i =1, . . . , n I λi 6= λj, PRI i 6= j I SL. W. N e NEZAWISIMA OT X1, . . . , Xn, P(N = j) =pj, j = 1, . . . , n I
∑nj=1 pj = 1.
sL. W. XN SE NARIˆA HIPEREKSPONENCIALNA I ZA NEJNOTO RAZPREDELENIE, POFORMULATA ZA P˙LNATA WEROQTNOST IMAME:
FXN(t) = P(XN > t) =
n∑j=1
P(XN > t|N = j)P(N = j) =n∑
j=1
P(Xj > t)pj =n∑
j=1
e−λjtpj.
2. eksponencialno razpredelenie 13
k˙DE W˙ZNIKWAT HIPEREKSPONENCIALNI SL.W.?dA DOPUSNEM, ˆE W EDNA KUTIQ IMA n TIPA BATERII, K˙DETO BATERIITE OT TIP
j IMAT WREME NA VIWOT λj. nEKA OTNOSITELNIQT DQL NA BATERIITE OT TIP j WKUTIQTA E 100pj%. aKO IZBEREM PO SLUˆAEN NAˆIN BATERIQ OT TAZI KUTIQ, TONEJNOTO WREME NA VIWOT ]E E HIPEREKSPONENCIALNO.
kATO WZEMEM W PREDWID, ˆE fXN(t) = −F ′
XN(t) POLUˆAWAME fXN
(t) =∑nj=1 pjλje
−λjt. nEKA λi = minλ1, . . . , λn. oPREDELQME
r(t) =
∑nj=1 pjλje
−λjt∑nj=1 e
−λjtpj
.e−λi
ε−λi
=
∑nj=1 pjλje
−(λj−λi)t∑nj=1 e
−(λj−λi)tpj
=piλi +
∑j 6=i pjλje
−(λj−λi)t
pi +∑
j 6=i e−(λj−λi)tpj
.
pORADI TOWA, ˆE λi 6= λj,∀j 6= i TO (λj − λi) > 0,∀j 6= i. sLEDOWATELNOlimt→∞ r(t) = piλi
pi= λi, T.E. WREMETO NA VIWOT NA SLUˆAJNO IZBRANA BATERIQ KLO-
NI K˙M STEPENTA NA ZAGUBA NA Exp RAZPREDELENIE S NAJ-MALKA STEPEN NA ZAGUBA.iNTUITIWNO NAISTINA E TAKA, KOLKOTO PO-D˙LGO E RABOTILA BATERIQTA, TOLKOWASME PO-SKLONNI DA SMQTAME, ˆE NEJNATA STEPEN NA ZAGUBA E NAJ-MALKA.
2.3 dRUGI SWOJSTWA NA Exp RAZPREDELENIE
1. aKO SL. W. X1, . . . , Xn ∈ Exp(λ) I SA NEZAWISIMI TO SL.W. X =∑n
i=1Xi ∈Γ(n, λ), T.E. fX(t) = λeλt(λt)n−1
(n−1)!.
dOKAZATELSTWO: pO INDUKCIQ OTNOSNO n :
fX1+...+Xn(t) =
∫ t
0
fX1+...+Xn−1(u)fXn(t− u)du =
∫ n
0
λe−λu(λu)n−2
(n− 2)!λe−λ(t−u)du
=
∫ t
0
λe−λt (λu)n−2
(n− 2)!d(λu) =
λe−λt(λt)n−1
(n− 1)!.
2. aKO X1 ∈ Exp(λ1), X2 ∈ Exp(λ2) I SA NEZAWISIMI SL.W., KAKWA E WEROQTNOST-
TA P(X1 < X2)?
P(X1 < X2) =
∫ ∞
0
P(X1 < X2|X1 = x)λ1e−λ1xdx =
=
∫ ∞
0
P(x < X2)λ1e−λ1xdx =
∫ ∞
0
e−λ2xλ1e−λ1xdx
=λ1
λ1 + λ2
∫ ∞
0
e−(λ1+λ2)xd(λ1 + λ2)x =λ1
λ1 + λ2
.
3. aKO X1, . . . , X2 SA NEZAWISIMI EKSPONENCIALNO RAZPREDELENI SL.W. (Xi ∈Exp(µi), i = 1, . . . , n), TO X = minX1, . . . , Xn ∈ Exp(
∑µi).
14lekciq 2. eksponencialno razpredelenie. poasonow proces
P(minX1, . . . , Xn > x) = P(X1 > x,X2 > x, . . . , Xn > x)
= P(X1 > x)P(X2 > x) . . .P(Xn > x) = e−µ1x . . . e−µnx = e−(µ1+...+µn)x.
4. sUMA NA NEZAWISIMI EKSPONENCIALNO RAZPREDELENI SL.W. nEKA Xi ∈ Exp(λi),i = 1, . . . , n SA NEZAWISIMI I λi 6= λj PRI i 6= j. tOGAWA SL. W. X = X1 + . . .+Xn SE
NARIˆA HIPOEKSPONENCIALNA. zA NEJNOTO RAZPREDELENIE IMAME:A) pRI n = 2
fX1+X2(x) =
∫ t
0
fX1(s)fX2(t− s)ds =
∫ t
0
λ1e−λ1sλ2e
−λ2(t−s)ds =
= λ1λ2e−λ2t
∫ t
0
ε−(λ1−λ2)sds
=λ1λ2e
−λ1t
λ1 − λ2
(1− e−(λ1−λ2)t) =λ1
λ1 − λ2
λ2e−λ2t +
λ2
λ1 − λ2
λ1e−λ1t.
B) pO ANALOGIˆEN NAˆIN SE POLUˆAWA
fX1+...+Xn(t) =n∑
i=1
Ci,nλie−λit,
K˙DETO Ci,n =∏j 6=i
λj
λj − λi
.
5. sUMA NA SLUˆAEN BROJ EKSPONENCIALNO RAZPREDELENI SL.W.nEKA Xi ∈ Exp(λi), i = 1, . . . , n SA NEZAWISIMI EL.W. I NEKA N e NEZAWISIMA OT
TQH SL.W. TAKAWA, ˆE: P(N = n) = pn, n = 1, 2, . . . ,m I∑m
n=1 pn = 1. rAZGLEVDAMESL.W.
Y =N∑
n=1
Xi,
KOQTO SE NARIˆA SL.W. NA Cox. zA PL˙TNOSTTA NA Y IMAME:
fY (x) =m∑
n=1
fY (x|N = n)P(N = n) =m∑
n=1
pnfX1+...+Xn(x)
=m∑
n=1
pn
n∑i=1
Ci,nλie−λx.
KATO E IZPOLZWANO I SWOJSTWO 4.
3 pOASONOW PROCES
3. poasonow proces 15
3.1 bROQ] PROCES
oPREDELENIE 2.1. pROCES˙T N(t), t ≥ 0 SE NARIˆA BROQ] PROCES, AKO N(t) EOB]IQT BROJ NA SB˙DWANIQTA (POQWQWANIQTA) NA OPREDELENO S˙BITIE W INTER-WALA [0, t].
pRIMER 2.4. a) N(t) = BROQ NA KUPUWAˆITE WLEZLI W EDIN MAGAZIN OT OTWA-RQNETO MU DO DADEN MOMENT t. s˙BITIETO, KOETO SE SB˙DWA E WLIZANETO NAKUPUWAˆ W MAGAZINA.
N(t) =BROQ NA KUPUWAˆITE, NAMIRA]I SE W MAGAZINA W MOMENTA t NE E BROQ]PROCES.
B) aKO SˆITAME, ˆE QWLENIETO SE SB˙DWA, KOGATO SE RODI DETE TO N(t) eBROQ] PROCES.
W) bROQ NA GOLOWETE WKARANI OT EDIN FUTBOLIST OT NAˆALOTO NA KARIERATA
MU DO DADEN MOMENT t S˙]O E BROQ] PROCES I T.N.
oT OPREDELENIETO SLEDWA, ˆE BROQ]IQT PROCES UDOWLETWORQWA SLEDNITE USLO-WIQ:
(i) N(t) ≥ 0;(ii) N(t) E CELOˆISLENA WELIˆINA ZA WSQKO t;(iii) aKO t > s⇒ N(t) ≥ N(s);(iv) aKO s < t⇒ N(t)−N(s) E BROQT NA SB˙DWANIQTA NA S˙BITIETO W INTERWALA
(s, t).
oPREDELENIE 2.2. bROQ]IQT PROCES E S NEZAWISIMI NARASTWANIQ, AKO BROQ NAS˙BITIQTA SB˙DNALI SE W NEPRESIˆA]I SE INTERWALI OT WREME SA NEZAWISIMI
SL.W.
- w PRIMER A) LOGIˆNO E DA SE DOPUSNE, ˆE PROCESA E S NEZAWISIMI NARASTWANIQ.- w PRIMER B) NE E LOGIˆNO T˙J KATO, KOLKOTO E PO-GOLQMO N(t) TOLKOWA E PO-
GOLQM BROQ NA HORATA W NASELENOTO MQSTO I SLEDOWATELNO BROQT NA RAVDANIQTA
]E E PO-GOLQM, T.E. IMA ZAWISIMOST MEVDU NARASTWANIQTA.- w PRIMER W) MOVE DA SE PREDPOLAGA NEZAWISIMOST NA NARASTWANIQTA.
oPREDELENIE 2.3. bROQ]IQT PROCES E S˙S STACIONARNI NARASTWANIQ, AKO F.R.NA N(t2+s)−N(t1+s) -BROQ NA S˙BITIQTA SB˙DNALI SE W INTERWALA (t1+s, t2+s)NE ZAWISI OT s (POLOVENIETO NA INTERWALA W˙RHU OSTA NA WREMETO) ZA WSEKIt2 > t1 ≥ 0 I s ≥ 0.
- w PRIMER A) LOGIˆNO E DA SE DOPUSNE, ˆE PROCESA E S˙S STACIONARNI NARAST-WANIQ, AKO PREDPOLOVIM, ˆE NQMA PIKOW ˆAS.
- w PRIMER B) LOGIˆNO E, AKO DOPUSNEM, ˆE ˆOWE[KATA POPULACIQ E KONSTANTA.- w PRIMER W) NE E LOGIˆNO, T˙J KATO E PO-WEROQTNO IGRAˆ˙T DA WKARWA POWEˆE
GOLOWE NA W˙ZRAST 25-30 G., OTKOLKOTO NA 35-40 G.
16lekciq 2. eksponencialno razpredelenie. poasonow proces
3.2 dEFINICIQ NA pOASONOW PROCES
eDIN OT NAJ-WAVNITE BROQ]I PROCESI E pOASONOWIQT PROCES. tOJ SE DEFINIRA POSLEDNIQ NAˆIN:
oPREDELENIE 2.4. pROCES˙T N(t), t ≥ 0 SE NARIˆA pOASONOW S˙S STEPEN
λ > 0, AKO(i) N(0) = 0;(ii) IMA NEZAWISIMI NARASTWANIQ;(iii) bROQ NA S˙BITIQTA W˙W WSEKI INTERWAL S D˙LVINA t E pOASONOWO RAZP-
REDELENA SL.W. (Po(λt)) S˙S SREDNO λt, T.E. ZA ∀s, t ≥ 0,P(N(t+ s)−N(t) = n) =
e−λt (λt)n
n!, n = 0, 1, 2, . . . .
oT (iii) SLEDWA, ˆE pOASONOWIQT PROCES IMA STACIONARNI NARASTWANIQ I OSWENTOWA EN(t) = λt (KOETO OBQSNQWA, ZA]O λ SE NARIˆA STEPEN NA PROCESA.)
zA DA OPREDELIM DALI EDIN BROQ] PROCES E pOASONOW TRQBWA DA PROWERIM
USLOWIQTA (i)-(iii).(i) SE PROWERQWA LESNO;(ii) OBIKNOWENO SLEDWA OT NA[ETO ELEMENTARNO POZNANIE ZA PROCESA;(iii) NE E QSNO KAK DA SE PROWERI. zATOWA EDNA DRUGA DEFINICIQ NA pOASONOW
PROCES SE OKAZWA PO-POLEZNA:
oPREDELENIE 2.5. bROQ]IQT PROCES N(t), t ≥ 0 SE NARIˆA pOASONOW S˙S
STEPEN λ > 0, AKO(i) N(0) = 0;(ii) IMA STACIONARNI I NEZAWISIMI NARASTWANIQ;(iii) P(N(h) = 1) = λh+ o(h), h→ 0;(iv) P(N(h) > 2) = o(h), h→ 0.
tEOREMA 2.1. oPREDELENNIQTA 2.4 I 2.5 SA EKWIWALENTNI.
dOKAZATELSTWO:A. oT oPREDELENIE 2.4 ⇒ oPREDELENIE 2.5.nEKA Pn(t) = P(N(t) = n). ˝E POLUˆIM DIFERENCIALNO URAWNENIE ZA P0(t) PO
SLEDNIQ NAˆIN:
P0(t+ h) = P(N(t+ h) = 0) = P(N(t) = 0, N(t+ h)−N(t) = 0) =
(PORADI NEZAWISIMOSTTA NA NARASTWANIQTA N(t) = N(t)−N(0) I N(t+h)−N(t))
= P(N(t) = 0)P(N(t+ h)−N(t) = 0) = P0(t)(1− λh+ o(h)),
(ZA]OTO OT (ii-(iv) SLEDWA, ˆE P(N(h) = 0) = 1− λh+ o(h).)sLEDOWATELNO
P0(t+ h)− P0(t)
h= λP0(t) +
o(h)
h, h→ 0,⇒
3. poasonow proces 17
P ′0(t) = −λP0(t).
kATO SE RE[I TOWA URAWNENIE S NAˆALNO USLOWIE P0(0) = P(N(0) = 0) = 1 SEPOLUˆAWA, ˆE
P0(t) = e−λt. (2.1)
pRI n > 0 IMAME
Pn(t+h) = P(N(t) = n,N(t+h)−N(t) = 0)+P(N(t) = n−1, N(t+h)−N(t) = 1)+
+n∑
n=2
P(N(t) = n− k,N(t+ h)−N(t) = k)
= P(N(t) = n,N(t+h)−N(t) = 0)+P(N(t) = n−1, N(t+h)−N(t) = 1)+ o(h) =
Pn(t)P0(h) + Pn−1(t)P1(h) + o(h) = Pn(t)(1− λh) + Pn−1(t)λh+ o(h)
⇒ Pn(t+ h)− Pn(t)
h= −λPn(t) + λPn−1(t) +
o(h)
h, h→ 0,
⇒ P ′n(t) = −λPn(t) + λPn−1(t).
uMNOVAWAME POSLEDNOTO URAWNENIE S eλt I POLUˆAWAME
eλt[P ′n(t) + λPn(t)] = eλtλPn−1(t) ⇒
d
dt(eλtPn(t)) = λeλtPn−1(t),
ZA WSQKO n > 0. sEGA OT (2.1) NAMIRAME
d
dt(eλtP1(t)) = λ⇒ P1(t) = (λt+ c1)e
−λt
I T˙J KATO P1(0) = 0, TO
P1(t) = λte−λt.
pO INDUKCIQ OTNOSNO n SE NAMIRA, ˆE Pn(t) = (λt)n
n!e−λt ZA WSQKO n ≥ 2.
b. oT oPREDELENIE 2.4 ⇒ 2.5. (uPRAVNENIE.?).
3.3 rAZPREDELENIE NA WREMETO NA ˆAKANE DO P˙RWO POQWQ-WANE NA S˙BITIE I WREMETO MEVDU DWE POSLEDOWATELNI
POQWQWANIQ NA S˙BITIETO W pOASONOW PROCES.
nEKA T1 e MOMENTA NA SB˙DWANE NA P˙RWOTO S˙BITIE I PRI n > 1, Tn e WREMETOMEVDU n − 1-TO I n-TO SB˙DWANE NA S˙BITIETO. rEDICATA Tn, n = 1, 2, . . . SE
NARIˆA REDICA NA WREMENATA MEVDU SB˙DWANIQTA NA S˙BITIETO.dA NAMERIM RAZPREDELENIQTA NA SL.W. Tn.
18lekciq 2. eksponencialno razpredelenie. poasonow proces
P(T1 > t) = P(NE SE E SB˙DNALO NITO WEDN˙V S˙BITIETO W INTERWALA [0,t)) =
= P(N(t) = 0) = e−λt ⇒ T1 ∈ Exp(λ).
pO-NATAT˙K P(T2 > t) = E[P(T2 > t|T1)], NO
P(T2 > t|T1 = s) = P(0 S˙BITIQ W INTERWALA (s,s+t]|T1 = s)
= P(0 S˙BITIQ W INTERWALA (s,s+t]) = e−λt ⇒ T2 ∈ Exp(λ).
pREDLOVENIE 2.1. sL. W. Tn, n = 1, 2, . . . SA NEZAWISIMI, EDNAKWO RAZPREDELENIS Exp(λ) RAZPREDELENIE.
zABELEVKA 2.1. pREDPOLOVENIETO ZA STACIONARNOST I NEZAWISIMOST NA NA-RASTWANIQTA NA pOASONOWIQ PROCES E EKWIWALENTNO NA TW˙RDENIETO, ˆE W˙WWSEKI MOMENT OT WREMETO PROCES˙T ZAPOˆWA OTNAˆALO (STOHASTIˆESKI EKWI-WALENTEN).
s DRUGI DUMI PROCES˙T, ZAPOˆWAJKI OT PROIZWOLEN MOMENT OT WREME E
NEZAWISIM OT TOWA, KOETO SE E SLUˆILO DO TOZI MOMENT (PORADI NEZAWISIMI-TE NARASTWANIQ) I IMA S˙]OTO RAZPREDELENIE, KAKTO ZAPOˆWAJKI OT NAˆALO-TO(PORADI STACIONARNOSTTA NA NARASTWANIQTA), T.E. PROCES˙T NQMA ”PAMET”I SLEDOWATELNO TRQBWA DA OˆAKWAME EKSPONENCIALNO RAZPREDELENIE NA WREMETO
MEVDU POSLEDOWATELNITE NAST˙PWANIQ NA S˙BITIQTA.
nEKA Sn e MOMENT˙T NA NAST˙PWANE NA n−TO S˙BITIE, NAREˆENO O]E WREME NAˆAKANE DO n−TO SB˙DWANE. qSNO E, ˆE Sn = T1 + . . . + Tn ⇒ Sn ∈ Γ(n, λ), T.E.
fSn(t) = λe−λt (λt)n−1
(n−1)!, t ≥ 0. pO DRUG NAˆIN FSn(t) = P(Sn ≤ t) = P(N(t) ≥ n) =∑∞
j=n e−λt (λt)j
j!. oT TUK SLED DIFERENCIRANE PO t SE POLUˆAWA OTNOWO PL˙TNOSTTA
NA SL. W. Sn.pREDLOVENIE 2.1 NI DAWA DRUG NAˆIN ZA DEFINIRANE NA pOASONOW PROCES. nEKA
Tn, n = 1, 2, . . . SA NEZAWISIMI EDNAKWO RAZPREDELENI Exp(λ) SL.W. nEKA S0 = 0 ISn = T1 + . . .+Tn, n = 1, 2, . . . , iNTERPRETIRAME Sn KATO POSLEDOWATELNI MOMENTI
NA NAST˙PWANE NA NQKAKWO S˙BITIE. tOGAWA BROQ]IQT PROCES N(t) = maxn :Sn ≤ t E pOASONOW S˙S STEPEN λt.
3.4 uSLOWNI RAZPREDELENIQ NA WREMENATA ZA POQWQWANE
dA DOPUSNEM, ˆE TOˆNO EDNO S˙BITIE SE E SB˙DNALO DO MOMENTA t I ISKAME
DA NAMERIM RAZPREDELENIETO NA WREMETO NA SB˙DWANE NA TOWA S˙BITIE. oT TOWA,ˆE pOASONOWIQT PROCES IMA NEZAWISIMI I STACIONARNI NARASTWANIQ E QSNO, ˆEW˙W WSEKI PODINTERWAL NA [0, t] S FIKSIRANA D˙LVINA E RAWNOWEROQTNO DA SE ESB˙DNALO S˙BITIETO. s DRUGI DUMI, MOMENT˙T NA POQWQWANE NA S˙BITIETO BI
3. poasonow proces 19
TRQBWALO DA E RAWNOMERNO RAZPREDELEN W INTERWALA [0, t]. tOWA LESNO SE PROWERQWA,T.E. ZA s ≤ t
P(T1 < s|N(t) = 1) =P(T1, N(t) = 1)
P(N(t) = 1)=
P(1 S˙BITIE W [0,s), 0 S˙BITIQ W [s,t])
P(N(t) = 1)=
=P(1 S˙BITIE W [0,s))P(0 S˙BITIQ W [s,t])
P(N(t) = 1)=
=λse−λs.e−λ(t−s)
λte−λt=s
t.
zA DA OBOB]IM TAZI FORMULA ]E IMAME NUVDA OT PONQTIETO NAREDENA (PORQD-KOWA) STATISTIKA.
oPREDELENIE 2.6. nEKA Y1, . . . , Yn SA NABL@DENIQ NA SL.W. kAZWA SE ˆE Y(1), . . . ,Y(n) SA PORQDKOWI STATISTIKI S˙OTWETSTWA]I NA Y1, . . . , Yn AKO Y(k) E k−TAPO GOLEMINA STOJNOST SRED Y1, . . . , Yn.
pRIMER 2.5. nEKA Y1 = 4, Y2 = 5, Y3 = 1 ⇒ Y(1) = 1, Y(2) = 4, Y(3) = 5aKO Yi, i = 1, . . . , n I SA NEZAWISIMI I EDNAKWO RAZPREDELENI SL.W. S WEROQTNOS-
TNA PL˙TNOST f(), TO S˙WMESTNATA PL˙TNOST NA NAREDENITE STATISTIKI
Y(1), . . . , Y(n) e n!n∏
i=1
f(yi), y1 < y2 < . . . , < yn.
tOWA SLEDWA OT:(i) (Y(1), . . . , Y(n)) ]E E RAWNO NA (y1, . . . , yn), AKO E EDNA OT n! W˙ZMOVNI
PERMUTACII NA (y1, . . . , yn).(ii) wEROQTNOSTTA ZA TOWA, ˆE (Y1, . . . , Yn) = (yi1 , . . . , yin) E
n∏j=1
f(ynj) =
n∏j=1
f(yj),
KOGATO i1, . . . , in E PERMUTACIQ NA 1, . . . , n.aKO Yi, i = 1, . . . , n SA RAWNOMERNO RAZPREDELENI W INTERWALA (0, t) TO S˙W-
MESTNATA PL˙TNOST NA PORQDKOWITE STATISTIKI Y(1), . . . , Y(n) e
f(y1, y2, . . . , yn) =n!
tn, 0 < y1 < . . . < yn < t.
tEOREMA 2.2. aKO N(t) = n TO MOMENTITE NA PRISTIGANE S1, S2, . . . , Sn IMAT
S˙]OTO RAZPREDELENIE, KAKTO NAREDENITE STATISTIKI S˙OTWETNI NA n NEZA-WISIMI SL. W. RAWNOMERNO RAZPREDELENI W INTERWALA (0, t).
zABELEVKA 2.2. ξ ∈ U(0, t) ⇐⇒
fξ(x) =
1t, x ∈ (0, t),
0, x∈(0, t)., Fξ(x) =
0, x ≤ 0,x/t, x ∈ (0, t),1, x ≥ t.
20lekciq 2. eksponencialno razpredelenie. poasonow proces
dOKAZATELSTWO: zA DA POLUˆIM USLOWNATA PL˙TNOST NA S1, S2, . . . , Sn PRI US-LOWIE, ˆE N(t) = n DA ZABELEVIM, ˆE ZA 0 < s1 < . . . < sn < t S˙BITIETOS1 = s1, . . . , Sn = sn, N(t) = n e EKWIWALENTNO NA S˙BITIETO
T1 = s1, T2 = s2 − s1, T3 = s3 − s2, . . . , Tn = sn − sn−1, Tn+1 > t− sn.
kATO IZPOLZUWAME, ˆE Ti, i = 1, 2, . . . , n SA NEZAWISIMI SL.W. I EDNAKWO RAZPRE-DELENI Exp(λ) POLUˆAWAME
f(s1, s2, . . . , sn|n) =f(s1, s2, . . . , sn, n)
P(N(t) = n)=
=λe−λs1λe−λ(s2−s1) . . . e−λ(sn−sn−1)e−λ(t−sn)
e−λt(λt)n/n!=n!
tn, 0 < s1 < . . . < sn < t.
zABELEVKA 2.3. pOLUˆENIQT REZULTAT MOVE DA SE PREFORMULIRA PO SLEDNIQ
NAˆIN: pRI USLOWIE, ˆE n S˙BITIQ SA SE SB˙DNALI W INTERWALA (0, t), MOMENTI-TE NA SB˙DWANE S1, S2, . . . Sn RAZGLEDANI KATO NENAREDENI SLUˆAJNI WELIˆINI SA
RAZPREDELENI NEZAWISIMO I RAWNOMERNO W INTERWALA (0, t).
4 oBOB]ENIQ NA pOASONOWIQ PROCES - SLOVEN I
NEHOMOGENEN pOASONOW PROCES
4.1 sLOVEN POASONOW PROCES
oPREDELENIE 2.7. pROCES˙T X(t), t ≥ 0 SE NARIˆA SLOVEN pOASONOW PROCES,AKO
X(t) =
N(t)∑i=1
Yi, t ≥ 0,
K˙DETO N(t), t ≥ 0 E pOASONOW PROCES I Yn, n = 0, 1, 2, . . . E REDICA OT
NEZAWISIMI EDNAKWO RAZPREDELENI SL.W. NEZAWISIMI OT PROCESA N(t).
pRI FIKSIRANO t SL.W. X(t) SE NARIˆA SLOVNA pOASONOWA SL.W.
pRIMER 2.6. (i) nEKA Yn ≡ 1, n = 0, 1, 2, . . .⇒ X(t) ≡ N(t).(ii) nEKA ZA NQKAKWO SPORTNO S˙BITIE PRISTIGAT ZRITELI S AWTOBUSI. nEKA
PRISTIGANETO NA AWTOBUS E S˙BITIETO W EDIN pOASONOW PROCES N(t), A BROQTNA HORATA W AWTOBUSITE Y1, Y2, . . . SA N.e.R. SL. W. tOGAWA BROQT NA HORATA
PRISTIGNALI DO DADEN MOMENT E SLOVEN pOASONOW PROCES.
4. obob˝eniq na poasonowiq proces - sloven i nehomogenen poasonow proces21
(iii) nEKA KUPUWAˆITE NAPUSKAT EDIN SUPERMARKET W S˙OTWETSTWIE S pOA-SONOW PROCES N(t). aKO Yi SA PARITE POHARˆENI OT i−TIQ KUPUWAˆ, TO SUMATAKOQTO SE E NATRUPALA W KASITE NA SUPERMARKETA OBRAZUWA SLOVEN pOASONOW
PROCES.
zADAˆA 2.1. dA PRESMETNEM EX(t) I VarX(t).
rE[ENIE: zA EX(t) IMAME EX(t) = E(E(X(t)|N(t)), NO
E(X(t)|N(t) = n) = E(
N(t)∑i=1
Yi|N(t) = n) = E(n∑
i=1
Yi) = nEY1.
sLEDOWATELNO E(X(t)|N(t)) = N(t)EY1, T.E.
EX(t) = (EN(t))(EY1) == λtEY1.
zA PRESMQTANETO NA VarX(t) ]E IZPOLZUWAME SLEDNATA FORMULA ZA USLOWNADISPERSIQ
VarX(t) = E(Var(X(t)|N(t))) + Var(E(X(t)|N(t))).
Var(X(t)|N(t) = n) = Var(
N(t)∑i=1
Yi|N(t) = n) = Var(n∑
i=1
Yi) = nVarY1,
(POSLEDNOTO RAWENSTWO E IZP˙LNENO PORADI NEZAWISIMOSTTA NA Yi).tAKA Var(X(t)|N(t)) = N(t)VarY1. sLEDOWATELNO
VarX(t) = E(N(t)VarY1) + Var(N(t)EY1) =
= λtVarY1 + (EY1)2VarN(t) = λtVarY1 + (EY1)
2λt =
= λt[VarY1 + (EY1)2] = λtE(Y 2
1 ).
iZPOLZWANO E, ˆE VarN(t) = λt T˙J KATO N(t) ∈ Po(λt).
4.2 nEHOMOGENEN pOASONOW PROCES
nEHOMOGENEN pOASONOW PROCES E pOASONOW PROCES, ZA KOJTO E NARU[ENO USLOWI-ETO ZA STACIONARNOST. tOWA SE POLUˆAWA, AKO DOPUSNEM, ˆE STEPENTA NA POQWQWANENA S˙BITIETO W MOMENT t E FUNKCIQ NA WREMETO.
oPREDELENIE 2.8. pOASONOWIQT PROCES N(t), t ≥ 0 SE NARIˆA NEHOMOGENEN SFUNKCIQ NA INTENZIWNOST λ(t), t ≥ 0, AKO:
(i) N(0) = 0;(ii) N(t), t ≥ 0 E S NEZAWISIMI NARASTWANIQ;(iii) P(N(t+ h)−N(t) ≥ 2) = o(h), h→ 0;(iv) P(N(t+ h)−N(t) = 1) = λ(t)h+ o(h), h→ 0.
22lekciq 2. eksponencialno razpredelenie. poasonow proces
aKO POLOVIM m(t) =∫ t
0λ(x)dx⇒
P(N(t+ s)−N(t) = n) = e−(m(t+s)−m(t)) [m(t+ s)−m(t)]n
n!, n ≥ 0. (2.2)
ILI S DRUGI DUMI, BROQT NA S˙BITIQTA SB˙DNALI SE W INTERWALA (t, t + s), N(t +s)−N(t) ∈ Po(m(t+ s)−m(t)) I OSWEN TOWA N(t) ∈ Po(m(t)).
zABELEVKA 2.4. aKO λ(t) = λ TO m(t) = λt I TOGAWA N(t+ s)−N(t) ∈ Po(λs).
dOKAZATELSTWO: (nA (2.2). ˝E GO DOKAVEM SAMO ZA n = 0. nEKA t E FIKSIRANO INEKA Pn(s) = P(N(t+ s)−N(t) = n). tOGAWA
P0(s+ h) = P(N(t+ s+ h)−N(t) = 0) =
= P(0 S˙BITIQ W INTERWALA(t, t+ s), 0 S˙BITIQ W INTERWALA[t+ s, t+ s+ h]) =
= P(0 S˙BITIQ W INTERWALA(t, t+ s))P(0 S˙BITIQ W INTERWALA[t+ s, t+ s+ h]) =
= P0(s)(1− λ(t+ s)h+ o(h)), h→ 0.
sLEDOWATELNO
P0(t+ s)− P0(s)
h= −λ(t+ s) +
o(h)
h, h→ 0,⇒
P ′0(s) = −λ(t+ s)P0(s).
kATO SE RE[I POSLEDNOTO DIFERENCIALNO URAWNENIE SE NAMIRA
P0(s) = e−(m(t+s)−m(t)).
wAVNOSTTA NA NEHOMOGENNIQ pOASONOW PROCES IDWA OT TOWA, ˆE POWEˆE NE ISKA-
ME STACIONARNOST NA NARASTWANIQTA. pO TOZI NAˆIN NIE DOPUSKAME W˙ZMOVNOSTTAS˙BITIETO DA B˙DE PO-WEROQTNO W EDNI MOMENTI OT WREME, OTKOLKOTO W DRUGI.
nEKA Sn e MOMENTA NA n−TO POQWQWANE NA S˙BITIETO W NEHOMOGENEN pOASONOWPROCES. tOGAWA ZA NEGOWATA PL˙TNOST IMAME:
P(t < Sn < t+ h) = P(N(t) = n− 1, 1 S˙BITIE W(t, t+ h)) + o(h) =
P(N(t) = n− 1)P(1 S˙BITIE W(t, t+ h)) + o(h)
= e−m(t) (m(t))n−1
(n− 1)![λ(t)h+ o(h)] + o(h)
= λ(t)e−m(t) (m(t))n−1
(n− 1)!h+ o(h).
sLEDOWATELNO
fSn(t) = λ(t)e−m(t) (m(t))n−1
(n− 1)!, m(t) =
∫ t
0
λ(s)ds.
4. obob˝eniq na poasonowiq proces - sloven i nehomogenen poasonow proces23
4.3 rAZPREDELENIE NA FUNKCII OT pOASONOW PROCES
˜ESTO SE NALAGA DA ZNAEM RAZPREDELENIETO NA NQK˙KWA FUNKCIQ f(N(t)), KAKTOPRI FIKSIRANO t TAKA I PRI t→∞.
tEOREMA 2.3. nEKA N(t), t ≥ 0 e pOASONOW PROCES S PARAMET˙R λ. tOGAWA PRI
t→∞ F.R. NA SL.W. N(t)−λt√λt
KLONI K˙M STANDARTNO NORMALNO RAZPREDELENIE, T.E.
limt→∞
P(N(t)− λt√
λt< x) = Φ(x) =
1√2π
∫ x
−∞e−u2/2du.
dOKAZATELSTWO: pORADI TOWA, ˆE N(t) ∈ Po(λt) TQ IMA HARAKTERISTIˆNA FUNK-CIQ ϕN(t)(z) = EeiN(t)z = eλt(eiz−1). sLEDOWATELNO ξt = N(t)−λt√
λt]E IMA HARAKTERIS-
TIˆNA FUNKCIQ
ϕξt(z) = e−iz√
λtϕN(t)(z√λt
)
ILI
logϕξt(z) = −iz√λt+ λt(eiz/
√λt − 1).
kATO IZPOLZUWAME RAZWITIETO NA eiz/√
λt W RED NA tEJLOR NAMIRAME:
logϕξt(z) = −iz√λt+ λt(1 +
iz√λt− z2
2λt+ . . .− 1)
ILI
logϕξt(z) → −z2
2, t→∞,
NO TOGAWA
ϕξt(z) → e−z2
2 , t→∞,
a e−z2/2 E HARAKTERISTIˆNATA FUNKCIQ NA STANDARTNOTO NORMALNO RAZPREDELENIE.tOGAWA PO TEOREMATA ZA NEPREK˙SNATOST PRI HARAKTERISTIˆNITE FUNKCII SLEDWA
TW˙RDENIETO NA TEOREMATA.
zABELEVKA 2.5. iNTERESNO E, ˆE PRI λ→∞ OTNOWON(t)−λt√
λt→ N(0, 1).
lEKCIQ 3
wINEROW PROCES
w TAZI LEKCIQ SI POSTAWQME SLEDNITE CELI:
• DA RE[IM NQKOLKO ZADAˆI ZA wINEROW PROCES;
• DA DEFINIRAME NEPREK˙SNATOST I DIFERENCIRUEMOST NA SL. PROCES PRI RAZ-LIˆNI WIDOWE SHODIMOST;
• DA DADEM DOSTAT˙ˆNI USLOWIQ ZA NEPREK˙SNATOST I DIFERENCIRUEMOST;
• DA PROWERIM TEZI USLOWIQ ZA wINEROW I pOASONOW PROCES.
1 nQKOLKO ZADAˆI
oT P˙RWATA LEKCIQ ZNAEM, ˆE wINEROW PROCES E SL. PROCES, KOJTO UDOWLETWO-RQWA SLEDNITE USLOWIQ:
1) X(0) = 0;2) pROCES˙T E STACIONAREN I S NEZAWISIMI NARASTWANIQ;3) X(t) ∈ N(0, σ2t);4) TRAEKTORIITE SA NEPREK˙SNATI PO t ZA WSQKO ω.dOKAZAHME, ˆE PL˙TNOSTTA f(t, x) NA X(t) UDOWLETWORQWA URAWNENIETO NA DI-
FUZIQTA: ∂f
∂t= D
∂2f
∂x2(x, t)
f(x, 0) = δ(x) = P(X(0) = 0) = 1.
pRI σ = 1 SE POLUˆAWA STANDARTEN wINEROW PROCES.
zADAˆA 3.1. nEKA X(t), t ≥ 0 E wINEROW PROCES. dOKAVETE, ˆE PRI s1 < s2 <. . . < sm < s < t NARASTWANETO X(t) − X(s) NE ZAWISI OT X(s1), . . . , X(sm) IX(s) I
E(X(t)−X(s)) = 0, Var(X(t)−X(s)) = σ2(t− s).
24
1. nqkolko zada˜i 25
rE[ENIE: iMAME
X(s1) = x1, . . . , X(sm) = xm, X(s) = x,X(t) = y =
X(s1) = x1, X(s2)−X(s1) = x2 − x1, . . . , X(t)−X(s) = y − x STAC.=
X(s1) = x1, X(s2 − s1) = x2 − x1, . . . , X(t− s) = y − x.
tOGAWA
P(X(t) < y|X(s1) = x1, . . . , X(s) = x) =
P(X(t− s) < y − x|X(s1) = x1, . . . , X(s) = x = P(X(t− s) < y − x) =
1√2πσ2(t− s)
∫ y−x
−∞e− u2
2σ2(t−s)du.
sLEDOWATELNO wINEROWIQT PROCES E MARKOWSKI, T.E. NASTOQ]ETO NE ZAWISI OTMINALOTO.
zADAˆA 3.2. nEKA X(t) E wINEROW PROCES. pOKAVETE, ˆE NARASTWANIQTA X(t)−X(s) NE ZAWISQT OT MINALOTO I IMAT MATEMATIˆESKO OˆAKWANE 0 I, ˆE X(t)−X(s) ∈ N(0, σ2(t− s)).
zADAˆA 3.3. pRI s < t NAMERETE P(X(s) < x|X(t) < y) =?
rE[ENIE: bEZ OGRANIˆENIE NA OB]NOSTTA MOVEM DA PREDPOLOVIM, ˆE σ = 1.tOGAWA
fX(s)|X(t)(x|y) =fX(s)(x)fX(t)−X(s)(y − x)
fX(t)(y)=
1√2πs. 1√
2π(t−s)e−1
2[x2
s+
(y − x)2
t− s]
1√2πte−1
2
y2
t
= ke−x
2
2s− (y − x)2
2(t− s) =
Ce−x2[
1
2s+
1
2(t− s)+
xy
t− s]= Ce
−x2[t+ 2sxy
2s(t− s)s]
= de−
(x− y st)2
2 st(t− s) .
tAKA POLUˆIHME NORMALNO RAZPREDELENIE, SLEDOWATELNO
E(X(s)|X(t) = y) =s
ty, Var(X(s)|X(t) = y) =
s
t(t− s).
zADAˆA 3.4. w S˙STEZANIE MEVDU DWAMA WELOSIPEDISTI NEKA Y (t) E WREMETO WSEKUNDI, KOETO S˙STEZATELQT A IZPREWARWA S˙STEZATELQ B, KOGATO E IZMINA-LO WREME t ∈ [0, 1]. nEKA Y (t), t ∈ [0, 1] E wINEROW PROCES S DISPERSIQ σ2.
26 lekciq 3. winerow proces
a) aKO S˙STEZATELQT A WODI S˙S σ SEKUNDI PO SREDATA NA S˙STEZANIETO t =1/2, TO NAMERETE WEROQTNOSTTA, ˆE TOJ E POBEDITEL W KRAQ NA S˙STEZANIETO.
B) aKO A POBEVDAWA S˙S σ SEKUNDI PRED B, KAKWA E WEROQTNOSTTA, TOJ DAE PO-NAPRED I W SREDATA NA S˙STEZANIETO (T.E. PRI t = 1/2), ILI P(Y (1/2) >0|Y (1) = σ) =?
uP˙TWANE Φ(√
2) = 0.92,Φ(1) = 0.84.
rE[ENIE: a)
P(Y (1) > 0|Y (1/2) = σ) = P(Y (1)− Y (1/2) > −σ|Y (1/2) = σ)NEZAW.NAR
=
P(Y (1)− Y (1/2) > −σ)STAC.
= P(Y (1/2) > −σ) =
nO Y (1/2) ∈ N(0, σ2/2) ⇒ Y (1/2)
σ/√
2∈ N(0, 1) I PROD˙LVAWAJKI WERIGATA OT
RAWENSTWA, NAMIRAME
= P(Y (1/2)
σ√
2> −
√2) = 1−P(
Y (1/2)
σ√
2< −
√2) =
1− Φ(−√
2) = Φ(√
2) = 0.92.
B) zA UPRAVNENIE.
2 mOMENT NA P˙RWO DOSTIGANE NA NIWO
nEKA τa E P˙RWIQT MOMENT, W KOITO wINEROW PROCES wt PRESIˆA NIWOTO a, T.E.
τa = inft : wt ≥ a.
˝E NAMERIM RAZPREDELENIETO NA τa. iMAME, ˆE
τa = max0≤s≤t
ws > a
I ]E RE[AWAME TAZI ZADAˆA ˆREZ IZPOLZUWANE NA RAZPREDELENIETO NA wt.pO FORMULATA ZA P˙LNATA WEROQTNOST IMAME
P(wt ≥ a) = P(wt ≥ a|τa ≤ t).P(τa ≤ t) + P(wt ≥ a|τa > t)P(τa > t).
nO
P(wt ≥ a|τa > t) =P(wt ≥ a; τa > t)
P(wt ≥ a)= 0,
SLEDOWATELNO
P(wt ≥ a) = P(wt ≥ a|τa ≤ t).P(τa ≤ t) =1
2P(τa ≤ t),
2. moment na p¨rwo dostigane na niwo 27
KATO POSLEDNOTO RAWENSTWO SLEDWA OT NEPREK˙SNATOSTTA NA TRAEKTORIITE NA wI-NEROWIQ PROCES. pRI USLOWIE τa ≤ t I IZHODNOTO S˙STOQNIE E wτa = a W SLED-WA]OTO SI DWIVENIE BRAUNOWATA ˆASTICA PRI t ≥ τa RAWNOWEROQTNO PREMINAWANALQWO ILI NADQSNO OT IZHODNATA TOˆKA wτa = a. sLEDOWATELNO (PORADI TOWA, ˆEwt ∈ N(0, tσ2)),
P(τa ≤ t) = 2P(wt ≥ a) =2√2πt
∫ ∞
a
e−x2
2t dx =
kATO NAPRAWIM SMQNA NA PROMENLIWITE W INTEGRALA (x = y√y, dx =
√tdy),
PROD˙LVAWAME WERIGATA OT RAWENSTWA
=
√2√π
∫ ∞
a/√
t
e−y2
2 dy = 2[1− Φ(a/√t)].
tAKA
P( sup0≤s≤t
ws ≥ a) = P(τa < t) = 2[1− Φ(a/√t)].
zABELEVKA 3.1. rAWENSTWOTO P(max0≤s≤tws ≥ a) = 2P(wt ≥ a) SE NARIˆA
PRINCIP NA OTRAVENIETO.
zADAˆA 3.5. nAMERETE Cov(wt, ws) =?, ∀s, t.
rE[ENIE: Cov(wt, ws) = E[(wt − Ewt)(ws − Ews)] = E(wswt).a) nEKA t > s⇒
Cov(wt, ws) = E(wtws) = E[(wt − ws)(ws − w0) + w2s ] = Ew2
s = s,
T˙J KATO Varws = Ew2s − (Ews)
2 = Ew2s I Varws = σ2s = 1.s = s.
B) pRI s > t ANALOGIˆNO POLUˆAWAME Cov(wt, ws) = Ewt = t,⇒
Cov(wt, ws) = min(t, s).
sWOJSTWO NA wINEROWIQ PROCES: wINEROWIQT PROCES E KWADRATIˆNO INTEG-RUEM PROCES, T.E.
E(wt − ws)2 = E(w2
t − 2wtws + w2s) = t− 2E(wtws) + s = t+ s−min(t, s) <∞.
oPREDELENIE 3.1. wINEROW PROCES X(t) S TREND µ NARIˆAME PROCES ZA KOJTO:1) X(0) = 0, P.S.;2) IMA STACIONARNI I NEZAWISIMI NARASTWANIQ;3) X(t) ∈ N(µt, σ2t).
aKO wt E STANDARTEN wINEROW PROCES, TO X(t) = µt+ σwt.
28 lekciq 3. winerow proces
3 sWOJSTWA NA TRAEKTORIITE NA wINEROWIQ PRO-
CES
lEMA 3.1. (mARTINGALNO SWOJSTWO NA wINEROW PROCES)
E(wt|wu, 0 ≤ u ≤ s ≤ t) = ws.
dOKAZATELSTWO:
E(wt−ws+ws|ws) = E(wt−ws|ws)+E(ws|ws)NEZ.NAR.
= E(wt−ws)+ws = 0+ws = ws,
KOETO OZNAˆAWA, ˆE wINEROWIQT PROCES E MARTINGAL.
lEMA 3.2. (bEZ DOKAZATELSTWO) tRAEKTORIITE NA wINEROWIQ PROCES SA S NEOG-RANIˆENA WARIACIQ.
lEMA 3.3. (nEDIFERENCIRUEMOST) nEKA wt, t ∈ R+ E STANDARTEN wINEROW PRO-
CES. dIFERENˆNOTO ˆASTNOwt+h − wt
hE RAZHODQ]O PRI h → 0 OTNOSNO SHODI-
MOST PO RAZPREDELENIE.
dOKAZATELSTWO: oˆEWIDNOwt+h − wt
h∈ N(0,
1
|h|). tOGAWA ZA PROIZWOLNO k > 0 E
IZP˙LNENO:
P
(∣∣∣∣wt+h − wt
h
∣∣∣∣ > k
)=
2√2π
∫ ∞
k√
h
e−y2
2 dy → 1, h→ 0,
T.E. ˆASTNOTO NE E SHODQ]O PO RAZPREDELENIE.
4 nEPREK˙SNATOST - DEFINICII
zA DA PROD˙LVIM PO-NATAT˙K S˙S SWOJSTWATA NA wINEROWIQ PROCES ]E DADEMNQKOLKO OB]I DEFINICII ZA NEPREK˙SNATOST, DIFERENCIRUEMOST I INTEGRUEMOSTNA SL. PROCESI. nEKA OTNOWO NAPOMNIM PONQTIETO ZA NEPREK˙SNATOST NA SLUˆAEN
PROCES PORADI NEGOWATA IZKL@ˆITELNA WAVNOST.
4.1 nEPREK˙SNATOST P.S.
oPREDELENIE 3.2. sL. PROCES ξ(t), t ∈ [a, b] SE NARIˆA NEPREK˙SNAT (NEPREK˙S-NAT S WEROQTNOST 1), AKO POˆTI WSIˆKI NEGOWI TRAEKTORII SA NEPREK˙SNATIFUNKCII W [a, b]. (tOWA OZNAˆAWA, ˆE ZA OTDELNI ELEMENTARNI S˙BITIQ ω TRA-EKTORIQTA MOVE DA SE OKAVE PREK˙SNATA, NO MNOVESTWOTO A OT TEZI ω E
IZMERIMO, T.E. A PRINADLEVI NA SIGMA-ALGEBRATA NA SL. S˙BITIQ I P(A) = 0.)
4. neprek¨snatost - definicii 29
iMA RAZLIˆNI KRITERII ZA NEPREK˙SNATOST, NO NIE ]E DADEM, BEZ DOKAZATELS-TWO, EDIN OT P˙RWITE W TOWA NAPRAWLENIE, DOKAZAN OT kOLMOGOROW W NAˆALOTO NA30-TE GODINI NA MINALIQ WEK, A IMENNO:
tEOREMA 3.1. aKO S˙]ESTWUWAT POLOVITELNI ˆISLA p, r I C, TAKIWA, ˆE ZAPROIZWOLNI t1, t2 ∈ [a, b] e IZP˙LNENO NERAWENSTWOTO
E[|ξ(t2)− ξ(t1)|p] ≤ C|t2 − t1|1+r,
TO PROCES˙T ξ(t), t ∈ [a, b] E NEPREK˙SNAT.
pRIMER 3.1. wINEROWIQT PROCES wt, t ≥ 0 E NEPREK˙SNAT. dEJSTWITELNO E[|wt−ws|4] = 3|t− s|2.
sEGA ]E SE SPREM PO-PODROBNO NA PONQTIETO NEPREK˙SNATOST. dA ZAPI[EM
NERAWENSTWOTO NA mARKOW ZA wINEROWIQ PROCES
P(|wt − ws| ≥ ε) ≤ E[|wt − ws|2]ε2
=|t− s|ε2
,
OT KOETO PRI s FIKSIRANO I t→ s SLEDWA, ˆE P(|wt − ws| ≥ ε) → 0 ZA WSQKO ε > 0I WSQKO s ≥ 0.
tOGAWA W˙ZNIKWA TAK˙W W˙PROS: dALI SL. PROCES ξ(t), t ∈ [a, b] e NEPREK˙SNAT,AKO E IZWESTNO, ˆE PRI ∀ε > 0 I s ∈ [a, b] IMAME P(|ξ(t) − ξ(s)| ≥ ε) → 0, PRIt→ s?
oTGOWOR˙T E OTRICATELEN, A TAK˙W PRIMER E pOASONOWIQ PROCES πt, t ≥ 0 S
PARAMET˙R λ. nAISTINA E[|πt − πs|] = λ|t − s| I OT NERAWENSTWOTO NA ˜EBI[OW
SLEDWA, ˆE
P[|πt − πs| ≥ ε] ≤ λ|t− s|ε
,
KOETO PRI t → s KLONI K˙M 0, A TRAEKTORIITE NA pOASONOWIQ PROCES SA ST˙PALO-WIDNI FUNKCII S EDINIˆNI SKOKOWE (T.E. NE SA NEPREK˙SNATI).
4.2 sTOHASTIˆNA NEPREK˙SNATOST
cELTA NA NAPRAWENOTO RAZS˙VDENIE BE[E DA POKAVEM, ˆE MOVE DA SE W˙WEDEPO-SLABA OT DEFINIRANATA WEˆE SHODIMOST (NEPREK˙SNATOST) S WEROQTNOST 1.
oPREDELENIE 3.3. sL. PROCES ξ(t), t ∈ T SE NARIˆA STOHASTIˆNO NEPREK˙SNAT
W T. t0 ∈ T, AKO ZA ∀ε > 0
P(|ξ(t)− ξ(t0)| ≥ ε) → 0, PRI t→ t0. (3.1)
aKO (3.1) E IZP˙LNENO ZA WSIˆKI t ∈ T, TO KAZWAME, ˆE PROCES˙T E STOHASTIˆNONEPREK˙SNAT W T . t˙J KATO S (3.1) SE DEFINIRA SHODIMOST PO WEROQTNOST, TOWMESTO STOHASTIˆNA NEPREK˙SNATOST KAZWAME PO-KRATKO P−NEPREK˙SNATOST.
30 lekciq 3. winerow proces
pRIMER 3.2. pOASONOWIQT PROCES πt, t ≥ 0 E P−NEPREK˙SNAT.
oT WR˙ZKATA MEVDU SHODIMOST POˆTI SIGURNO I SHODIMOST PO WEROQTNOST,SLEDWA, ˆE AKO EDIN PROCES E NEPREK˙SNAT, TO TOJ E I P−NEPREK˙SNAT. oBRATNOTONE E WQRNO (pOASONOWIQT PROCES!)
˝E OTBELEVIM SPECIALNO, ˆE P−NEPREK˙SNATOSTTA NA PROCESA ξ(t), t ∈ T E
EDNO SLABO IZISKWANE, NO OT DRUGA STRANA TQ E NEPOSREDSTWENO SW˙RZANA S TAKIWAWAVNI NEGOWI SWOJSTWA KATO SEPARABELNOST I IZMERIMOST.
aKO SL. PROCES ξ(t), t ∈ T E P−NEPREK˙SNAT, TO PRI [IROKI PREDPOLOVENIQS˙]ESTWUWA PROCES ξ(t), t ∈ T, KOJTO E SEPARABELEN, IZMERIM I EKWIWALENTEN NA
DADENIQ.oT DADENITE PO-GORE DEFINICII E QSNO, ˆE P−NEPREK˙SNATOSTTA E SW˙RZANA S
LOKALNOTO POWEDENIE NA SL. PROCES W OTDELNI MOMENTI OT WREMETO, DOKATO NEPRE-K˙SNATOSTTA S WEROQTNOST 1 E EDNA GLOBALNA HARAKTERISTIKA.
4.3 sEPARABELNOST
˝E SE SPREM SAMO NAKRATKO BEZ DOKAZATELSTWA, T˙J KATO NE SE IZPOLZUWA PO-NATAT˙K.
nEKA E DADEN EDIN PROIZWOLEN PROCES ξ(t), t ∈ T ⊆ R. kOGATO WREMETO T E
”NEPREK˙SNATO”, T.E. T E NEIZBROIMO, ZA REDICA INTERESNI S˙BITIQ NE MOVE DA SEKAVE DALI SA IZMERIMI ILI NE I S˙OTWETNO NE MOVE DA SE PRESMQTA TQHNATA WERO-QTNOST. nAPRIMER A = ω : supt∈[a,b] ξt(ω) ≤ C ILI Bt0 = ω : ξt(ω) e NEPR. W t0I T.N.
oˆEWIDNO A =⋂
t∈[a,b]ξt ≤ C, T.E. NE E IZBROIMO SEˆENIE NA IZMERIMI MNO-VESTWA ξt ≤ C I NE MOVE DA SE KAVE, ˆE E IZMERIMO W OB]IQ SLUˆAJ. tEZIPROBLEMI SE RE[AWAT S POMO]TA NA PONQTIETO SEPARABELNOST I CELTA E KATO OG-RANIˆIM KLASA NA RAZGLEVDANITE PROCESI DO SEPARABELNITE, POSOˆENITE S˙BITIQSTAWAT IZMERIMI.
oPREDELENIE 3.4. zA PROCESA ξt, t ∈ R KAZWAME, ˆE E SEPARABELEN, AKO S˙-]ESTWUWA IZBROIMO MNOVESTWO S ⊆ R I P− NULEWO MNOVESTWO N, TAKA, ˆEZA PROIZWOLEN OTWOREN INTERWAL ∆ ⊆ R I PROIZWOLNO ZATWORENO MNOVESTWO
F ⊆ Rω : ξt(ω) ∈ F, t ∈ ∆∆ω : ξt(ω) ∈ F, t ∈ ∆
⋂S ⊆ N,
K˙DETO A∆B = A\B+B \A OZNAˆAWA SIMETRIˆNATA RAZLIKA NA MNOVESTWATA
A I B.
zABELEVKA 3.2. kOGATO WEROQTNOSTNOTO PROSTRANSTWO E P˙LNO, TO OˆEWIDNOE, ˆE OT A,N ∈ F ,P(N) = 0 I A∆B ⊆ N SLEDWA, ˆE B S˙]O E IZMERIMO.
oPREDELENIE 3.5. wEROQTNOSTNOTO PROSTRANSTWO (Ω,F ,P) SE NARIˆA P˙LNO,AKO OT B ⊆ A SLEDWA, ˆE B e IZMERIMO ZA PROIZWOLNO P−NULEWO MNOVESTWO A.kAZWA SE O]E, ˆE SIGMA ALGEBRATA F E P˙LNA OTNOSNO P.
4. neprek¨snatost - definicii 31
4.4 nEOBHODIMI I DOSTAT˙ˆNI USLOWIQ ZA NEPREK˙SNATOST
nEKA SEGA OTNOWO DA SE W˙RNEM K˙M NEPREK˙SNATOSTTA NA gAUSOWITE PROCESI.nEKA ξ(t), t ∈ [a, b] E gAUSOW PROCES S˙S SREDNO Eξ(t) = a(t) I DISPERSIQ Varξ(t) =σ2(t). zA HARAKTERISTIˆNATA FUNKCIQ φt(z) NA ξ(t) IMAME
φt(z) = E(e−izξ(t)) = exp(iza(t)− 1
2z2σ2(t)).
nEKA DADENIQT PROCES E NEPREK˙SNAT. tOGAWA NE E TRUDNO DA SE POKAVE, ˆEφt(z) E NEPREK˙SNATA FUNKCIQ NA t ZA WSQKO z. sLEDOWATELNO lnφt(z) E NEPREK˙S-NATA I S˙]O FUNKCIITE
σ2(t) =lnφt(z) + lnφt(−z)
−z2, a(t) =
lnφt(z) + z2
2σ2(t)
iz.
nEOBHODIMO USLOWIE gAUSOWIQT PROCES DA E NEPREK˙SNAT E FUNKCIITE a(t)I σ2(t) DA SA NEPREK˙SNATI.
dOSTAT˙ˆNI USLOWIQ ZA NEPREK˙SNATOST. nEKA a(t) = Eξ(t) = 0 (AKOEξ(t) 6= 0, ]E RAZGLEDAME ξ(t) − a(t).), a KORELACIONNATA FUNKCIQ NA PROCESA E
K(t, s). tOGAWAE[(ξ(t)− ξ(s))2] = K(t, t)− 2K(t, s) +K(s, s) ≡ ∆K,E[(ξ(t)− ξ(s))2m] = (2m− 1)!!|∆K|. (3.2)
oT (3.2) I (3.1) SLEDWA, ˆE AKO KORELACIONNATA FUNKCIQ K(t, s) UDOWLETWORQWAUSLOWIQTA
|∆K| = |K(t, t)− 2K(t, s) +K(s, s)| ≤ C|t− s|r,
PRI NQK˙KWI POLOVITELNI C I r, TO PROCES˙T ]E E NEPREK˙SNAT.
4.5 L2−NEPREK˙SNATOST
oPREDELENIE 3.6. pROCES˙T ξ(t), t ∈ [a, b] SE NARIˆA NEPREK˙SNAT W L2−SMIS˙L(W SREDNO-KWADRATIˆEN SMIS˙L) W T. t0 ∈ [a, b], AKO
E[(ξ(t)− ξ(t0))2] → 0, t→ t0. (3.3)
aKO (3.3) e W SILA ZA WSQKO t ∈ [a, b], KAZWAME, ˆE PROCES˙T E L2−NEPREK˙SNATW [a, b].
oT NERAWENSTWOTO NA ˜EBI[OW SLEDWA, ˆE AKO EDIN PROCES E L2−NEPREK˙SNAT,TO TOJ E I P−NEPREK˙SNAT, OBRATNOTO NE E WQRNO.
32 lekciq 3. winerow proces
pRIMER 3.3. wINEROWIQT PROCES wt, t ≥ 0 I pOASONOWIQT PROCES πt, t ≥ 0 SA
L2−NEPREK˙SNATI. tW˙RDENIQTA SLEDWAT OT RAWENSTWATA:
E[(wt − ws)2] = |t− s|,
E[(πt − πs)2] = λ|t− s|+ λ2|t− s|2.
aNALOGIˆNO MOVE DA SE W˙WEDE Lp−NEPREK˙SNATOST, ZA PROIZWOLNO POLOVI-TELNO p.
nALICE SA SLEDNITE WR˙ZKI:Lp− NEPREK˙SNATOST ⇒ P−NEPREK˙SNATOST,NEPREK˙SNATOST S WER. 1 ⇒ P−NEPREK˙SNATOST.
5 dIFERENCIRANE
nEKA E DADEN SL. PROCES ξ(t), t ∈ [a, b]. rAZGLEVDAME DIFERENˆNOTO ˆASTNO
∆h(t) =ξ(t+ h)− ξ(t)
h, t, t+ h ∈ [a, b].
fIKSIRAME t I OSTAWQME h → 0. iNTERESUWAME SE DALI ∆h(t) IMA GRANICA WNQKAK˙W SMIS˙L. qSNO E, ˆE NA WSEKI OT WIDOWETE SHODIMOST MOVE DA SE S˙POSTAWIS˙OTWETNA PROIZWODNA. dIFERENCIRANETO S WEROQTNOST 1, ]E OZNAˆAWA, ˆE POˆTIWSIˆKI TRAEKTORII NA PROCESA SA DIFERENCIRUEMI FUNKCII W T. t. pRI TOWA ZAOTDELNI ELEMENTARNI S˙BITIQ ω MOVE DA SE OKAVE, ˆE ξ(t, ω) NE E DIFERENCIRUEMAW T. t, NO MNOVESTWOTO A OT TEZI ω IMA P(A) = 0. tAZI DEFINICIQ NA DIFERENCI-RUEMOST NE SE OTLIˆAWA OT DEFINICIQTA W KLASIˆESKIQ ANALIZ ZA DETERMINIRANI
FUNKCII.w tEORIQTA NA WEROQTNOSTITE IMAME W˙ZMOVNOST DA DADEM O]E DWE DEFINICII
NA PROIZWODNA SW˙RZANI S Lp− I P− SHODIMOSTITE.
oPREDELENIE 3.7. pROCES˙T ξ(t), t ∈ [a, b] SE NARIˆA L2−DIFERENCIRUEM W T.t ∈ [a, b], aKO S˙]ESTWUWA limh→0 ∆h(t) W L2−SMIS˙L, T.E. S˙]ESTWUWA SL.W. ξ′(t)TAKAWA, ˆE
E[|∆h(t)− ξ′(t)|2] → 0, h→ 0. (3.4)
aKO (3.4) E IZP˙LNENO ZA WSQKO t ∈ [a, b], KAZWAME, ˆE PROCES˙T E DIFERENCIRUEMW L2−SMIS˙L W [a, b] I ξ′(t) NARIˆAME L2−PROIZWODNA NA ξ(t).
oPREDELENIE 3.8. aKO S˙]ESTWUWA GRANICATA limh→0 ∆h(t) PO WEROQTNOST,T.E. S˙]ESTWUWA SL.W. ξ′(t) TAKAWA, ˆE ZA WSQKO ε > 0
limh→0
P(|∆h(t)− ξ′(t)| > ε) = 0,
TO KAZWAME, ˆE ξ(t) e P−DIFERENCIRUEM W T. t I ξ′(t) E NEGOWATA P−PROIZWODNA.
5. diferencirane 33
zABELEVKA 3.3. 1. oT NERAWENSTWOTO NA ˜EBI[OW SLEDWA, ˆE AKO ξ(t) E L2−DIFERENCIRUEM, TO TOJ E I P− DIFERENCIRUEM I DWETE PROIZWODNI S˙WPADAT.
2. s˙]ESTWUWANETO NA L2− (P−) PROIZWODNI WLEˆE I S˙OTWETNATA NEPRE-K˙SNATOST.
pRIMER 3.4. nEKA wt, t ≥ 0 E wINEROW PROCES. tOGAWA ZA WSQKO t
wt+h − wt
h∈ N(0,
1
|h|),
T.E. DISPERSIQTA NA TOWA ˆASTNO KLONI K˙M BEZKRAJNOST, PRI h → 0 I OT
TUK SLEDWA, ˆE wINEROWIQ PROCES NE MOVE DA B˙DE DIFERENCIRUEM DAVE I PO
WEROQTNOST A OT TAM I W L2− SMIS˙L.
pRIMER 3.5. nEKA πt, t ≥ 0 E pOASONOW PROCES. tOGAWA S WEROQTNOST 1,πt+h − πt
h= 0 ZA WSIˆKI DOSTAT˙ˆNO MALKI h.
sLEDOWATELNOπt+h − πt
h
P→ 0, PRI h → 0, KOETO POKAZWA, ˆE pOASONOWIQ
PROCES E P−DIFERENCIRUEM S P−PROIZWODNA RAWNA NA 0. dA DOPUSNEM, ˆE TOJ EI L2−DIFERENCIRUEM. tOGAWA I L2−PROIZWODNATA TRQBWA DA E RAWNA NA 0, NO
E
(πt+h − πt
h− 0
)2
=λ
|h|+ λ2 9 0, h→ 0.
oSWEN TOWA, E(|πt+h − πt|p) ≈ λ|h|1−p OTK˙DETO SE WIVDA, ˆE pOASONOWIQTPROCES NE E Lp− DIFERENCIRUEM ZA NIKOE p ≥ 1.
rAZGLEDANITE PRIMERI POKAZWAT, ˆE P−PROIZWODNATA NE E DOSTAT˙ˆNO S˙D˙R-VATELNA I ZATOWA EDWA LI IMA SMIS˙L DA SE RAZGLEVDA. nA[ATA CEL E DA IZPOL-ZUWAME ONOWA PONQTIE ZA DIFERENCIRUEMOST, KOETO BI OSIGURILO S˙D˙RVATELNOSTNA RAZWIWANATA TEORIQ. w ˆASTNOST, BIHME ISKALI SL. PROCES DA SE W˙ZSTANOWQWAEDNOZNAˆNO (S TOˆNOST DO KONSTANTA) PO SWOQTA PROIZWODNA. oKAZWA SE, ˆE TAKAWAEDNOZNAˆNOST IMAME PRI L2−SHODIMOSTTA, S˙OTWETNO PRI L2−DIFERENCIRANETO.
kRITERII ZA S˙]ESTWUWANE NA L2−PROIZWODNA:nEKA ξ(t), t ≥ 0 E TAK˙W, ˆE Eξ(t) = 0, t ∈ [a, b]. tOGAWA KORELACIONNATA FUNK-
CIQTA K(t, s) S˙WPADA S KOWARIACIONNATA FUNKCIQ C(t, s).
oPREDELENIE 3.9. kAZWAME, ˆE C(t, s), t, s ∈ [a, b] IMA OBOB]ENA WTORA SMESENAPROIZWODNA W T. (t0, s0) AKO IZRAZ˙T
1
hh1
(C(t0 + h, s0 + h)− C(t0, s0 + h1)− C(t0 + h, s0) + C(t0, s0))
IMA KRAJNA GRANICA PRI h → 0 I h1 → 0. tAZI PROIZWODNA ]E OZNAˆAWAME S˙SSIMWOLA
∂2C(t, s)
∂t∂s
∣∣∣∣t=t0,s=s0
.
tEOREMA 3.2. sL. PROCES ξ(t), t ∈ [a, b] e L2−DIFERENCIRUEM W T. t0 ∈ [a, b] SAMOTOGAWA, KOGATO KOWARIACIONNATA FUNKCIQ C(t, s) IMA OBOB]ENA WTORA SMESENAPROIZWODNA W T. (t0, t0). (w TOˆKITE (t, t) OT DIAGONALA NA KWADRATA [a, b]×[a, b].)
34 lekciq 3. winerow proces
6 bRAUNOW MOST
oPREDELENIE 3.10. nEKA wt, t ∈ [0, 1] e STANDARTEN wINEROW PROCES. tOGAWAPROCES˙T wo
t := wt − tw1, ZA t ∈ [0, 1] SE NARIˆA bRAUNOW MOST.
dA NAMERIM WEROQTNOSTNITE HARAKTERISTIKI NA TOZI PROCES.1) wo
0 = 0 = wo1;
2) Ewot = E(wt − tw1) = 0;
3) Cov(w0t , w
os), 0 ≤ s < t ≤ 1,⇒
Cov(w0t , w
os) = E(wo
t .wos) = E[(wt − tw1)(ws − sw1)] =
E[wtws − twsw1 − swtw1 + stw21] =
KATO IZPOLZUWAME, ˆE ZA wINEROWIQ PROCES Cov(wt, ws) = min(t, s),∀s, t ≥ 0 POLU-ˆAWAME PO-NATAT˙K)
= min[s, t]− tmin[s, 1]− smin[t, 1] + st = min[s, t]− ts = s− ts = s(1− t).
4) E(wot )
2 = E(wt − tw1)2 = E(w2
t − 2tw1wt + t2w21) =
(I PONEVE t ≤ 1)= t− 2t2 + t2 = t− t2 = t(1− t).
5) E(wot − wo
s)2 = E(wo
t )2 − 2Ewo
twos + E(wo
s)2 =
(PRI s < t)= t(1−t)−2s(1−t)+s(1−s) = (t−s)(1−t)−s(1−t−1+s) = (t−s)(1−t)+s(t−s) == (t− s)(1− (t− s)) = E(wo
t−s)2.
sLEDOWATELNO BRAUNOWIQT MOST E S NEZAWISIMI STACIONARNI NARASTWANIQ.
oPREDELENIE 3.11. sL. PROCES wot = wt|w1 = 0, K˙DETO wt e wINEROW PROCES SE
NARIˆA BRAUNOW MOST.
pREDLOVENIE 3.1. oPREDELENIQTA 3.10 I 3.11 SA EKWIWALENTNI.
dOKAZATELSTWO: pROWERQWA SE, ˆE WEROQTNOSTNITE HARAKTERISTIKI S˙WPADAT.
lEKCIQ 4
wERIGI NA mARKOW - 1
w TAZI LEKCIQ SI POSTAWQME SLEDNITE CELI:
• DA DADEM DEFINICIQ NA MARKOWSKA WERIGA;
• DA IZWEDEM URAWNENIQTA NA ˜EPMEN-kOLMOGOROW;
• DA DADEM KLASIFIKACIQ NA S˙STOQNIQTA NA MARKOWSKA WERIGA;
• DA RAZGLEDAME PRIMERI NA MARKOWSKI WERIGI.
1 dEFINICIQ
nEKA STOHASTIˆNIQT PROCES Xn, n = 0, 1, 2, . . . WZEMA STOJNOSTI W KRAJNO ILIIZBROIMO MNOVESTWO, KOITO ]E PREDPOLAGAME, ˆE SA NEOTRICATELNI CELI ˆISLA
0, 1, 2, . . . (AKO IZRIˆNO NE E KAZANO NE]O DRUGO). aKO Xn = i ]E KAZWAME, ˆEPROCES˙T E W S˙STOQNIE i W MOMENTA n. pREDPOLAGAME O]E, ˆE AKO PROCES˙T E WS˙STOQNIE i S˙]ESTWUWA FIKSIRANA WEROQTNOST pij, ˆE W SLEDWA]IQT MOMENT TOJ]E B˙DE W S˙STOQNIE j I TEZI WEROQTNOSTI UDOWLETWORQWAT RAWENSTWATA:
P(Xn+1 = j|Xn = i,Xn−1 = in−1, . . . , X1 = i1, X0 = i0) = pij, (4.1)
ZA WSEKI NABOR i0, i1, . . . , in, j I WSQKO n ≥ 0. tOGAWA PROCES˙T Xn, n ≥ 0 SE
NARIˆA mARKOWSKA WERIGA.
zA WEROQTNOSTITE ZA PREHOD OT S˙STOQNIE i W S˙STOQNIE j pij E W SILA:
pij ≥ 0,∞∑
j=0
pij = 1,
T˙J KATO PROCES˙T W MOMENTA n+ 1 ]E B˙DE W EDNO OT W˙ZMOVNITE SI S˙STOQNIQ.
35
36 lekciq 4. werigi na markow - 1
mATRICATA
P =
p00 p01 . . . p0j . . .p10 p11 . . . p1j . . .. . . . . . . . . . . . . . .pi0 pi1 . . . pij . . .. . . . . . . . . . . . . . .
,
NARIˆAME MATRICA OT PREHODNITE WEROQTNOSTI pij ZA EDNA ST˙PKA.
pRIMER 4.1. pROGNOZA ZA WREMETO. dA DOPUSNEM, ˆE [ANS˙T UTRE DA WALI
ZAWISI OT TOWA KAKWO E BILO WREMETO DNES, NO NE ZAWISI OT TOWA KAKWO E BILO
WREMETO PREZ PREDNITE DNI. dA DOPUSNEM, ˆE WEROQTNOSTTA UTRE DA WALI, AKOE WALQLO DNES E α, A WEROQTNOSTTA UTRE DA WALI, AKO NE E WALQLO DNES E β.dA KAVEM, ˆE EDIN PROCES E W S˙STOQNIE 0, AKO WALI I W S˙STOQNIE 1 AKO NE
WALI. pRI NAPRAWENITE PREDPOLOVENIQ TOZI PROCES E mARKOWSKA WERIGA S DWES˙STOQNIQ 0, 1 I MATRICATA OT PREHODNITE WEROQTNOSTI ZA EDNA ST˙PKA E
P =
(α 1− αβ 1− β
),
pRIMER 4.2. sLUˆAJNO LUTANE. eDNA mARKOWSKA WERIGA S MNOVESTWO OT S˙S-TOQNIQTA . . . ,−2,−1, 0, 1, 2, . . . SE NARIˆA SLUˆAJNO LUTANE, AKO ZA FIKSIRANO
p ∈ (0, 1), pi,i+1 = p, pi,i−1 = 1− p ZA i = 0,±1,±2, . . ..tAKAWA mARKOWSKA WERIGA SE NARIˆA SLUˆAJNO LUTANE, T˙J KATO TQ MOVE
DA SLUVI ZA MODEL NA RAZHODKA NA ˆOWEK PO PRAWA LINIQ, KOJTO W˙W WSEKI
MOMENT OT WREME PRAWI ST˙PKA NADQSNO S WEROQTNOST p ILI ST˙PKA NALQWO SWEROQTNOST 1− p.
pRIMER 4.3. eDIN HAZARTEN MODEL. eDIN KOMARDVIQ NA WSEKI TUR OT IGRATA
ILI PEˆELI $1 S WEROQTNOST p ILI GUBI $1 S WEROQTNOST 1 − p. aKO DOPUSNEM,ˆE IGRAˆ˙T PRIKL@ˆWA IGRATA ILI, KOGATO SE RAZORI, ILI KOGATO SPEˆELI $N, TOGAWA NEGOWATA S˙DBA (S˙STOQNIE) E mARKOWSKA WERIGA S PREHODNI WEROQT-NOSTI
pi,i+1 = p, pi,i−1 = 1− p, p00 = 1, pNN = 1.
w TAK˙W SLUˆAJ S˙STOQNIQTA 0 I N SE NARIˆAT POGL˙]A]I, ZA]OTO POPADAJKIW TQH PROCES˙T OSTAWA W TEZI S˙STOQNIQ ZAWINAGI.
tOZI MODEL SE NARIˆA, KRAJNO SLUˆAJNO LUTANE S POGL˙]A]I BARIERI (S˙S-TOQNIQTA 0 I N .)
2 uRAWNENIQ NA ˜EPMEN-kOLMOGOROW
˝E DEFINIRAME PREHODNI WEROQTNOSTI pnij ZA PREMINAWANE OT S˙STOQNIE i W
S˙STOQNIE j ZA n ST˙PKI PO SLEDNIQ NAˆIN:
pnij = P(Xn+m = j|Xm = i), n ≥ 0, m ≥ 0,
2. urawneniq na ˜epmen-kolmogorow 37
KATO
p1ij = pij.
uRAWNENIQTA NA ˜EPMEN-kOLMOGOROW NI DAWAT METOD ZA PRESMQTANE NA PRE-HODNITE WEROQTNOSTI ZA n ST˙PKI. tE SA:
pn+mij =
∞∑k=0
pmikp
nkj,∀n,m ≥ 0,∀i, j. (4.2)
iNTUITIWNO E QSNO, ˆE PROCES˙T ZA n + m ST˙PKI ]E PREMINE OT S˙STOQNIE
i W S˙STOQNIE j, KATO SLEDWA TRAEKTORIITE KOITO ZA m ST˙PKI ]E GO DOWEDAT W
NQKOE S˙STOQNIE k, A SLED TOWA OT S˙STOQNIE k ZA n ST˙PKI PROCES˙T ]E POPADNEW S˙STOQNIE j. sUMIRAJKI PO WSIˆKI W˙ZMOVNI MEVDINNI S˙STOQNIQ POLUˆAWAMEWEROQTNOSTTA ZA PREHOD OT i W j ZA n+m ST˙PKI.
sTROGOTO DOKAZATELSTWO E SLEDNOTO:
pn+mij = P(Xn+m = j|X0 = i) =
PO FORMULATA ZA P˙LNATA WEROQTNOST
=∞∑
k=0
P(Xn+m = j,Xn = k|X0 = i) =
=∞∑
k=0
P(Xn+m = j|Xn = k,X0 = i)P(Xn = k|X0 = i) =
PORADI mARKOWSKOTO SWOJSTWO
=∞∑
k=0
P(Xn+m = j|Xn = k)P(Xn = k|X0 = i) =
=∞∑
k=0
pmkjp
nik.
aKO OZNAˆIM S P(n) MATRICATA S ELEMENTI pnij PREHODNITE WEROQTNOSTI ZA n
ST˙PKI, TO URAWNENIQTA (4.2) OZNAˆAWAT, ˆE
P(n+m) = P(n)P(m),
KATO MATRICITE SA UMNOVENI PO PRAWILOTO RED PO ST˙LB. tOGAWA KATO IZPOLZU-WAME, ˆE P(1) = P, POLUˆAWAME POSLEDOWATELNO:
P(2) = P(1)P(1) = PP = P2, P(3) = P(2)P(1) = P2P = P3,
I PO INDUKCIQ
P(n) = Pn.
38 lekciq 4. werigi na markow - 1
pRIMER 4.4. nEKA W pRIMER 4.1, α = 0.7, β = 0.4. kAKWA E WEROQTNOSTTA
AKO DNES WALI, SLED 4 DNI PAK DA WALI? nEKA P =
(0.7 0.30.4 0.6
). pRESMQTAME
POSLEDOWATELNO
P2 =
(0.61 0.390.52 0.48
), P4 = P2P2 =
(0.5749 0.42510.5668 0.4332
).
sLEDOWATELNO p400 = 0.5749.
dO TUK WSIˆKI RAZGLEVDANI WEROQTNOSTI BQHA USLOWNI. tAKA pnij e WEROQTNOST-
TA PROCES˙T DA E W S˙STOQNIE j NA n−TA ST˙PKA (ILI W MOMENTA OT WREME n) PRIUSLOWIE, ˆE E BIL W S˙STOQNIE i W MOMENTA 0. aKO SA NI NEOBHODIMI BEZUSLOW-NITE WEROQTNOSTI ZA TOWA PROCES˙T DA E W S˙STOQNIE j W MOMENTA n, TRQBWA DAZNAEM RAZPREDELENIETO NA NAˆALNOTO S˙STOQNIE NA PROCESA. nEKA SˆITAME, ˆE EZADADENO RAZPREDELENIETO:
αi = P(X0 = i), i ≥ 0, (∞∑i=0
αi = 1).
tOGAWA BEZUSLOWNITE WEROQTNOSTI NA S˙STOQNIETO NA PROCESA W MOMENT n SE PO-LUˆAWAT PO FORMULATA ZA P˙LNATA WEROQTNOST:
P(Xn = i) =∞∑
k=0
P(Xn = i|X0 = k)P(X0 = k) =∞∑
k=0
pnkiαk.
pRIMER 4.5. aKO α0 = 0.4, α1 = 0.6 (NAˆALNOTO RAZPREDELENIE) W pRIMER 4.4,TO TOGAWA WEROQTNOSTTA, ˆE ]E WALI SLED 4 DNI OT MOMENTA, KOGATO SME
ZAPOˆNALI DA SLEDIM WREMETO E
P(X4 = 0) = 0.4p400 + 0.6p4
10 = 0.4× 0.5749 + 0.6× 0.5668 = 0.57.
3 kLASIFIKACIQ NA S˙STOQNIQTA
oPREDELENIE 4.1. s˙STOQNIETO j SE NARIˆA DOSTIVIMO OT S˙STOQNIETO i,AKO pn
ij > 0 ZA NQKOE n ≥ 0.
s DRUGI DUMI, S˙STOQNIETO j E DOSTIVIMO OTS˙STOQNIETO i ⇐⇒ , ZAPOˆWAJKIOT S˙STOQNIE i E W˙ZMOVNO PROCES˙T DA POPADNE W S˙STOQNIE j, T˙J KATO, AKO jNE E DOSTIVIMO OT i, TO
P( DA POPADNE W j| ZAPOˆWA OT i) =
= P(∪∞n=0Xn = j|X0 = i) ≤∞∑
n=0
P(Xn = j|X0 = i) =∞∑
n=0
pnij = 0.
3. klasifikaciq na s¨stoqniqta 39
oPREDELENIE 4.2. dWE S˙STOQNIQ i I j SE NARIˆAT S˙OB]AWA]I SE, AKO SA
DOSTIVIMI EDNO OT DRUGO. (pI[EM i↔ j.)
zABELEVKA 4.1. wSQKO S˙STOQNIE E S˙OB]AWA]O SE S˙S SEBE SI, T˙J KATO
P(X0 = i|X0 = i) = 1.
dEFINIRANATA RELACIQ IMA SLEDNITE SWOJSTWA:(i) i↔ i, ∀i;(ii) i↔ j ⇒ j ↔ i;(iii) i↔ j I j ↔ k,⇒ i↔ k.sWOJSTWATA (i)-(iii) SLEDWAT OT oPREDELENIE 2. zA DA DOKAVEM NAPR. (iii), NEKA
i ↔ j I j ↔ k. tOGAWA S˙]ESTWUWAT ˆISLA m ≥ 0 I n ≥ 0 TAKA, ˆE pnij > 0 I
pmjk > 0. sLEDOWATELNO, OT URAWNENIQTA NA ˜EPMEN-kOLMOGOROW POLUˆAWAME
pn+mik =
∞∑l=0
pnilp
mlj ≥ pn
ijpmjk > 0 ⇒ k E DOSTIVIMO OT i.
pO ANALOGIˆEN NAˆIN MOVE DA SE DOKAVE, ˆE i E DOSTIVIMO OT k.rELACIQTA ↔ E RELACIQ NA EKWIWALENTNOST I MNOVESTWOTO OT S˙STOQNIQTA NA
PROCESA SE RAZPADA NA NEPRESIˆA]I SE KLASOWE NA EKWIWALENTNOST, KATO WSEKI DWES˙STOQNIQ OT EDIN I S˙]I KLAS SA S˙OB]AWA]I SE.
oPREDELENIE 4.3. kAZWAME, ˆE EDNA mARKOWSKA WERIGA E NERAZLOVIMA, AKOMNOVESTWOTO OT S˙STOQNIQTA NA WERIGATA OBRAZUWA EDIN KLAS S˙OB]AWA]I
SE S˙STOQNIQ, T.E. KOGATO WSEKI DWE S˙STOQNIQ SA S˙OB]AWA]I SE.
pRIMER 4.6. dA RAZGLEDAME mARKOWSKA WERIGA S TRI S˙STOQNIQ 0,1,2 I MAT-RICA NA PREHODNITE WEROQTNOSTI
P =
1/2 1/2 01/2 1/4 1/40 1/3 2/3
lESNO SE WIVDA, ˆE TAZI mARKOWSKA WERIGA E NERAZLOVIMA. nAPRIMER OT 0 → 2
e W˙ZMOVEN PREHOD ZA DWE ST˙PKI 0 → 1 → 2, A PREHOD˙T 2 → 0 E W˙ZMOVEN ˆREZ2 → 1 → 0.
pRIMER 4.7. dA RAZGLEDAME MARKOWSKA WERIGA S 4 S˙STOQNIQ 0,1,2,3 I MATRICAOT PREHODNITE WEROQTNOSTI ZA EDNA ST˙PKA
P =
1/2 1/2 0 01/2 1/2 0 01/4 1/4 1/4 1/40 0 0 1
mNOVESTWOTO OT S˙STOQNIQTA SE S˙STOI OT SLEDNITE KLASOWE 0, 1, 2, 3,
KATO S˙STOQNIETO 3 E POGL˙]A]O.
40 lekciq 4. werigi na markow - 1
oPREDELENIE 4.4. eDNO S˙STOQNIE NA mARKOWSKA WERIGA SE NARIˆA POGL˙]A]O,AKO NIKOE DRUGO S˙STOQNIE NE MOVE DA B˙DE DOSTIGNATO OT NEGO.
zA WSQKO S˙STOQNIE i OZNAˆAWAME S
fi = P(Xn = i, ZA NQKOE n ≥ 1|X0 = i)
WEROQTNOSTTA PROCES˙T, ZAPOˆWAJKI OT S˙STOQNIE i NQKOGA DA SE W˙RNE OTNOWO WTOWA S˙STOQNIE.
oPREDELENIE 4.5. kAZWAME, ˆE S˙STOQNIETO i E W˙ZWRATNO, AKO fi = 1 ILI
PREHODNO, AKO fi < 1.
dA DOPUSNEM, ˆE PROCES˙T ZAPOˆWA OT S˙STOQNIE i I TO E W˙ZWRATNO. tOWA OZ-NAˆAWA, ˆE S WEROQTNOST 1, PROCES˙T EWENTUALNO ]E SE W˙RNE W S˙STOQNIE i, NOTOGAWA OT DEFINICIQTA NA mARKOWSKA WERIGA SLEDWA, ˆE PROCES˙T ZAPOˆWA OTNA-ˆALO, WSEKI P˙T KOGATO SE W˙RNE W S˙STOQNIETO i. tOGAWA PROCES˙T EWENTUALNO ]EPOPADNE ZA WTORI P˙T W S˙STOQNIETO i I T.N. s DRUGI DUMI, STIGAME DO ZAKL@ˆE-NIETO, ˆE AKO S˙STOQNIETO i E W˙ZWRATNO, TO PROCES˙T ZAPOˆWAJKI OT S˙STOQNIE i]E SE WR˙]A W NEGO BEZBROJ MNOGO P˙TI.
oT DRUGA STRANA, NEKA i e PREHODNO S˙STOQNIE. tOGAWA WSEKI P˙T, KOGATOPROCES˙T POPADNE W S˙STOQNIE i ]E IMAME POLOVITELNA WEROQTNOST 1− fi > 0, ˆEPROCES˙T NIKOGA NQMA DA SE W˙RNE W S˙]OTO S˙STOQNIE. sLEDOWATELNO, ZAPOˆWAJKIOT PREHODNO S˙STOQNIE i, PROCES˙T ]E POPADNE W NEGO TOˆNO n P˙TI S WEROQTNOSTfn−1
i (1−fi), n ≥ 1. tAKA BROQT NA WR˙]ANIQTA W EDNO PREHODNO S˙STOQNIE E SL. W.
S GEOMETRIˆNO RAZPREDELENIE I TQ IMA KRAJNO MATEMATIˆESKO OˆAKWANE =1
1− fi
.
iZWOD˙T OT NAPRAWENITE RAZS˙VDENIQ E SLEDNIQT: s˙STOQNIETO i e W˙ZWRATNO⇐⇒ , ZAPOˆWAJKI OT NEGO, SREDNIQT BROJ WR˙]ANIQ W TOWA S˙STOQNIE E BEZKRAEN.
nEKA OZNAˆIM
In =
1, AKOXn = i0, AKOXn 6= i.
tOGAWA∑∞
n=0 In ]E PREDSTAWLQWA BROQ NA WR˙]ANIQTA NA PROCESA (PERIODITEOT WREME) W S˙STOQNIE i.
dA RAZGLEDAME
E[∞∑
n=0
In|X0 = i] =∞∑
n=0
E[In|X0 = i] =∞∑
n=0
P(Xn = i|X0 = i) =∞∑
n=0
pnii.
tAKA STIGAME DO SLEDNOTO TW˙RDENIE:
pREDLOVENIE 4.1. s˙STOQNIETO i E W˙ZWRATNO, AKO∑∞
n=0 pnii = ∞ I E PREHOD-
NO, AKO∑∞
n=0 pnii <∞.
3. klasifikaciq na s¨stoqniqta 41
tOWA PREDLOVENIE E OSOBENO WAVNO, ZA]OTO TO POKAZWA, ˆE W PREHODNO S˙S-TOQNIE MOVE DA SE POPADA SAMO KRAEN BROJ P˙TI, KOETO OT SWOQ STRANA WODI DOZAKL@ˆENIETO, ˆE W KRAJNA mARKOWSKA WERIGA (S KRAEN BROJ S˙STOQNIQ) NE WSIˆ-KI S˙STOQNIQ MOGAT DA B˙DAT PREHODNI. zA DA GO DOKAVEM NEKA DA DOPUSNEM,ˆE mARKOWSKA WERIGA IMA KRAEN BROJ S˙STOQNIQ 0, 1, 2, . . . ,M I DA DOPUSNEM, ˆEWSIˆKITE SA PREHODNI. tOGAWA SLED WREME T0 < ∞ W S˙STOQNIETO 0 NQMA DA SE
POPADA, SLED WREME T1 NQMA DA SE POPADA W S˙STOQNIE T1 I T.N. tOGAWA SLED WREMET = maxT0, T1, . . . , TM NQMA DA SE POPADA W NIKOE S˙STOQNIE. nO T˙J KATO PRO-CES˙T WSE TRQBWA DA E W NQKOE S˙STOQNIE, STIGAME DO PROTIWOREˆIE, KOETO POKAZWA,ˆE NE MOVE WSIˆKI S˙STOˆNIQ DA SA PREHODNI, PONE EDNO TRQBWA DA E W˙ZWRATNO.
sLEDSTWIE 4.1. aKO S˙STOQNIETO i E W˙ZWRATNO i ↔ j, TO I S˙STOQNIETO jS˙]O E W˙ZWRATNO.
dOKAZATELSTWO: T˙J KATO i ↔ j ⇒, ˆE S˙]ESTWUWAT m, k ≥ 0 CELI TAKIWA, ˆEpk
ij > 0, pmji > 0. tOGAWA ZA WSQKO CQLO n ≥ 0
pn+m+kjj ≥ pm
jipniip
kij, (4.3)
T˙J KATO W LQWATA STRANA E WEROQTNOSTTA ZA PREHOD OT j W j ZA n+m+k ST˙PKI, aOTDQSNO E WEROQTNOSTTA ZA PREHOD OT j W j PO TRAEKTORII, TAKIWA, ˆE ZA m ST˙PKI
PROCES˙T POPADA OT j W i SLED TOWA ZA n ST˙PKI OT i OTIWA PAK W i I ZA POSLEDNITEk ST˙PKI OT i OTIWA W j.
sUMIRAJKI W (4.3) PO n POLUˆAWAME
∞∑n=1
pn+m+kjj ≥ pm
jipkij
∞∑n=1
pnii = ∞,
T˙J KATO pmjip
kij > 0 I
∑∞n=1 p
nii = ∞, (i E W˙ZWRATNO.) sEGA OT pREDLOVENIE 4.1
SLEDWA, ˆE j S˙]O E W˙ZWRATNO.
zABELEVKA 4.2. (i) pREHODNOSTTA S˙]O E OB]O SWOJSTWO NA WSIˆKI S˙STOQNIQOT EDIN KLAS, T.E. i↔ j I i e PREHODNO, TO I j e PREHODNO.
(ii) sLEDSTWIE 4.1 ZAEDNO S TW˙RDENIETO, ˆE NE WSIˆKI S˙STOQNIQ W KRAJNAMARKOWSKA WERIGA SA PREHODNI NI DAWA, ˆE AKO EDNA KRAJNA mARKOWSKA WERIGA ENERAZLOVIMA, TO WSIˆKITE I S˙STOQNIQ SA W˙ZWRATNI.
pRIMER 4.8. nEKA MARKOWSKATA WERIGA IMA 4 S˙STOQNIQ 0, 1, 2, 3 I MATRICATAOT PREHODNITE WEROQTNOSTI E
P =
0 0 1/2 1/21 0 0 00 1 0 00 1 0 0
42 lekciq 4. werigi na markow - 1
pRIMER 4.9. nEKA MARKOWSKA WERIGA IMA 5 S˙STOQNIQ 0, 1, 2, 3, 4 I MATRICATAOT PREHODNITE WEROQTNOSTI E
P =
1/2 1/2 0 0 01/2 1/2 0 0 00 0 1/2 1/2 00 0 1/2 1/2 01/4 1/4 0 0 1/2
dA SE NAMERQT W˙ZWRATNITE S˙STOQNIQ.
rE[ENIE. s˙STOQNIQTA NA mARKOWSKATA WERIGA SE RAZDELQT NA TRI KLASA
0, 1, 2, 3, 4. s˙STOQNIETO 4 E PREHODNO, T˙J KATO WEDN˙V IZLQZ˙L OT NEGO
PROCES˙T NE SE WR˙]A POWEˆE. dRUGITE S˙STOQNIQ SA W˙ZWRATNI.
pRIMER 4.10. sLUˆAJNO LUTANE: mARKOWSKA WERIGA S˙S S˙STOQNIQ: 0,±1,±2, . . .I PREHODNI WEROQTNOSTI:
pi,i+1 = p, pi,i−1 = 1− p, 0 < p) < 1, i = 0,±1,±2, . . . .
qSNO E, ˆE WSIˆKI S˙STOQNIQ SA S˙OB]AWA]I SE. sLEDOWATELNO TE ILI WSIˆ-KITE SA W˙ZWRATNI ILI WSIˆKI SA PREHODNI. dA RAZGLEDAME S˙STOQNIETO 0 I
DA WIDIM∑∞
n=1 pn00 E KRAJNA ILI BEZKRAJNA. t˙J KATO NE E W˙ZMOVNO SLED NE-
ˆETEN BROJ ST˙PKI, IZLIZAJKI OT 0 PROCES˙T OTNOWO DA SE W˙RNE W 0, TOp2n−1
00 = 0,∀n ≥ 1. sLED ˆETEN BROJ 2n ST˙PKI PROCES˙T ]E E OTNOWO W S˙STO-QNIE 0, AKO SA NAPRAWENI TOˆNO n ST˙PKI W LQWO I TOˆNO n ST˙PKI W DQSNO. nOPORADI TOWA, ˆE WSQKA ST˙PKA NE ZAWISI OT PREDNITE, TO BROQ NA ST˙PKITE WDQSNO E BINOMNO RAZPREDELENA SL.W. S PARAMETRI p, 2n. tOGAWA WEROQTNOSTTA ZA
TOˆNO n OT 2n ST˙PKI DA SA W DQSNO E (2nn)pn(1− p)n, KOETO E I WEROQTNOSTTA
ZA WR˙]ANE W S˙STOQNIETO 0 ZA 2n ST˙PKI. tAKA
p2n00 =
(2n)!
n!n![p(1− p)]n, n = 1, 2, . . .
kATO IZPOLZUWAME FORMULATA NA sTIRLING n! ∼ nn+1/2e−n√
2π, NAMIRAME
p2n00 ∼
[4p(1− p)]n√πn
.
tOGAWA RED˙T
∞∑n=1
pn00 ]E E SHODQ], TOGAWA I SAMO TOGAWA, KOGATO E SHODQ]
REDA
∞∑n=1
[4p(1− p)]n√πn
.
pORADI TOWA, ˆE 4p(1 − p) ≤ 1,∀p ∈ (0, 1) KATO RAWENSTWO SE DOSTIGA SAMOPRI p = 1/2 ZAKL@ˆAWAME, ˆE
∑∞n=1 p
n00 = ∞ ⇐⇒ p = 1/2.
tAKA S˙STOQNIQTA SA W˙ZWRATNI PRI p = 1/2 I PREHODNI PRI p 6= 1/2.
3. klasifikaciq na s¨stoqniqta 43
pRI p = 1/2 SLUˆAJNOTO LUTANE SE NARIˆA SIMETRIˆNO.dA RAZGLEDAME SIMETRIˆNO SLUˆAJNO LUTANE W RAWNINATA (DWUMERNO SL. LU-
TANE). nA WSQKA ST˙PKA MOVEM DA PREMINEM W EDNO OT 4-TE W˙ZMOVNI S˙SEDNI
S˙TOQNIQ(NAGORE, NADOLU, NALQWO I NADQSNO) S WEROQTNOSTI S˙OTWETNO PO 1/4, T.E.
p(ij)(i,j−1) = p(ij)(i−1,j) = p(ij)(i,j+1) = p(ij)(i+1,j) = 1/4.
˝E DOKAVEM, ˆE TOWA SLUˆAJNO LUTANE S˙]O E W˙ZWRATNO.t˙J KATO WERIGATA E NERAZLOVIMA (WSIˆKI S˙STOQNIQ SA S˙OB]AWA]I SE), TO
DOSTAT˙ˆNO E OTNOWO DA RAZGLEDAME S˙STOQNIETO (00). wEROQTNOSTTA ZA WR˙]ANE WNAˆALOTO SLED NEˆETEN BROJ ST˙PKI OTNOWO E RAWNA NA 0. zA DA SE W˙RNE PROCES˙TW S˙STOQNIE (00) SLED 2n ST˙PKI TRQBWA DA SA NAPRAWENI i PREHODA W LQWO, iPREHODA W DQSNO n− i PREHODA NAGORE I n− i PREHODA NADOLU, ZA NQKOE i, 0 ≤ i ≤ n.tOGAWA ZA p2n(00)(00) POLUˆAWAME
p2n(00)(00)
n∑i=0
(2n)!
i!i!(n− i)!(n− i)!
(1
4
)2n
=
=n∑
i=0
(2n)!
n!n!
n!
i!(n− i)!
n!
i!(n− i)!
(1
4
)2n
=
=
(1
4
)2n(2n)!
n!n!
n∑i=0
(n
i)( n
n− i)
=
=
(1
4
)2n(2n)!
n!n!
(2n)!
n!n!.
nO(2n)!
n!n!∼ (2n)2n+1/2e−2n
√2π
n2n+1e−2n2π=
4n
√πn
.
sLEDOWATELNO p2n(00)(00) ∼
1
πn⇒
∞∑n=1
pn(00)(00) = ∞. sLEDOWATELNO S˙STOQNIETO (00)
W˙ZWRATNO, A OT TAM I WSIˆKI S˙STOQNIQ SA W˙ZWRATNI.iNTERESNO E DA SE OTBELEVI, ˆE SLUˆAJNO LUTANE W PROSTRANSTWO S TRI I
POWEˆE IZMERENIQ NE MOVE DA B˙DE W˙ZWRATNO.
lEKCIQ 5
wERIGI NA mARKOW - 2
w TAZI LEKCIQ SI POSTAWQME SLEDNITE CELI:
• DA DEFINIRAME GRANIˆNI WEROQTNOSTI;
• DA DEFINIRAME OBRATIMI W˙W WREMETO MARKOWSKI WERIGI;
• DA RAZGLEDAME KATO PRIMER EDIN KLAS RAZKLONQWA]I.
1 gRANIˆNI WEROQTNOSTI
dA SE W˙RNEM K˙M pRIMER 4.4, IZPOLZWAJKI , ˆE P(8) = P(4)P(4) ⇒
P(8) =
(0.572 0.4280.57 0.430
)tRQBWA DA OTBELEVIM, ˆE:1) mATRICATA P(8) E POˆTI IDENTIˆNA S P(4) I
2) pO REDOWE STOJNOSTITE NA P(8) S˙]O POˆTI S˙WPADAT ILI pnij KLONI K˙M
NQKAKWA STOJNOST PRI n → ∞, KOQTO E EDNA I S˙]A ZA WSIˆKI i. s DRUGI DUMI
IZGLEVDA, ˆE S˙]ESTWUWA GRANIˆNA WEROQTNOST, ˆE PROCES˙T ]E B˙DE W S˙STOQNIEj SLED GOLQM BROJ PREHODI I TAZI WEROQTNOST NE ZAWISI OT NAˆALNOTO S˙STOQNIE.zA DA NAPRAWIM GORNITE EWRISTIˆNI RAZS˙VDENIQ PO-STROGI E NEOBHODIMO DA
OTBELEVIM O]E DWE DOP˙LNITELNI SWOJSTWA NA mARKOWSKITE WERIGI.
oPREDELENIE 5.1. s˙STOQNIETO i SE NARIˆA PERIODIˆNO S PERIOD d > 1 ⇐⇒ ,KOGATO NAJ-GOLQMIQT OB] DELITEL NA ˆISLATA n, ZA KOITO pn
ij > 0 E d.
nAPRIMER, ZAPOˆWAJKI OT i E W˙ZMOVNO PROCES˙T DA SE WR˙]A W i SAMO W
MOMENTITE 2, 4, 6, 8, . . . , ⇒ i IMA PERIOD d = 2.
oPREDELENIE 5.2. s˙STOQNIE S PERIOD 1 SE NARIˆA APERIODIˆNO.
44
1. grani˜ni weroqtnosti 45
pERIODIˆNOSTTA E OB]O SWOJSTWO, NA S˙STOQNIQTA OT EDIN I S˙]I KLAS NA
EKWIWALENTNOST, T.E. AKO i E S PERIOD d I i↔ j SLEDWA, ˆE j E S PERIOD d.
oPREDELENIE 5.3. mARKOWSKATA WERIGA E PERIODIˆNA, AKO E NERAZLOVIMA I
IMA PERIODIˆNO S˙STOQNIE S PERIOD d.
oPREDELENIE 5.4. s˙STOQNIE i SE NARIˆA POLOVITELNO W˙ZWRATNO, AKO E W˙Z-WRATNO I ZAPOˆWAJKI OT i, OˆAKWANOTO WREME, ZA KOETO PROCES˙T ]E SE W˙RNE
W i E KRAJNO.
pOSLEDNOTO SWOJSTWO S˙]O E OB]O ZA S˙STOQNIQTA OT EDIN KLAS NA EKWIWALEN-TNOST, T.E. AKO i E POLOVITELNO W˙ZWRATNO I i ↔ j SLEDWA, ˆE j E POLOVITELNOW˙ZWRATNO.
oPREDELENIE 5.5. s˙STOQNIE, KOETO NE E POLOVITELNO W˙ZWRATNO SE NARIˆANULEWO W˙ZWRATNO.
oPREDELENIE 5.6. mARKOWSKATA WERIGA E POLOVITELNO W˙ZWRATNA, AKO E NE-RAZLOVIMA I IMA PONE EDNO POLOVITELNO W˙ZWRATNO S˙STOQNIE.
˝E B˙DE POKAZANO, ˆE W KRAJNA mARKOWSKATA WERIGA WSQKO W˙ZWRATNO S˙STOQ-NIE E POLOVITELNO W˙ZWRATNO.
oPREDELENIE 5.7. pOLOVITELNO, W˙ZWRATNO, APERIoDIˆNO S˙STOQNIE SE NARI-ˆA ERGODIˆNO.
tEOREMA 5.1. (BEZ DOKAZATELSTWO) zA NERAZLOVIMA ERGODIˆNA mARKOWSKA WE-RIGA S˙]ESTWUWA:
limn→∞
pnij,
NEZAWISE]A OT i. aKO OZNAˆIM
πj = limn→∞
pnij, j ≥ 0,
TO πj E EDINSTWENOTO NEOTRICATELNO RE[ENIE NA
πj =∞∑i=0
πipij, j ≥ 0. (5.1)
zABELEVKA 5.1. (i) aKO π = limn→∞ pnij S˙]ESTWUWA I NE ZAWISI OT i, NE E
TRUDNO (EWRISTIˆNO) DA WIDIM, ˆE UDOWLETWORQWA (5.1). dArAZGLEVDAME:
P(Xn+1 = j) =∞∑i=0
P(Xn+1 = j|Xn = i)P(Xn = i) =∞∑i=0
pijP(Xn = i). (5.2)
46 lekciq 5. werigi na markow - 2
pRI n→∞ W (5.2)
πj =∞∑i=0
πipij.
(ii) mOVE DA SE POKAVE, ˆE πj E S˙]O RAWNO NA OTNO[ENIETO NA WREMETO,KOGATO PROCES˙T E BIL W S˙STOQNIE jK˙M n, ZA GOLEMI n.
(iii) w NERAZLOVIMIQ, POLOVITELNO W˙ZWRATEN I PERIODIˆEN SLUˆAJ, OTNOWOS˙]ESTWUWA πj, j ≥ 0 I E EDINSTWENOTO NEOTRICATELNO RE[ENIE NA (5.1).
pRIMER 5.1. dA RAZGLEDAME OTNOWO pRIMER 4.1. oT URAWNENIETO (5.1) ZA GRA-NIˆNITE WEROQTNOSTI π0 I π1 IMAME:
π0 = απ0 + βπ1
π1 = (1− α)π0 + (1− β)π1
π0 + π1 = 1,
sLEDOWATELNO π0 =β
1 + β − α, π1 =
1− α
1 + β − α. pRI α = 0.7, β = 0.4 ⇒ π0 =
4/7 = 0.571.
pRIMER 5.2. ( Hardy - Weinberg Law. MARKOWSKA WERIGA W GENETIKATA. ) rAZ-GLEVDAME GOLQMA POPULACIQ OT INDIWIDI, WSEKI OT KOJTO PRITEVAWA DWOJKA
GENI,OT KOITO SA KLASIFICIRANI OT TIP A I a. nEKA W POPULACIQTA IMAME AA I
aa ILI aA INDIWIDI S˙OTWETNO S WEROQTNOST p0, q0, r0 (p0+q0+r0 = 1). kOGATODWA INDIWIDA SE KR˙STOSAT, WSEKI OT TQH DAWA SLUˆAJNO EDINIQT OT GENITE SI
W NOWOTO POKOLENIE. dA DOPUSNEM, ˆE KR˙STOSWANETO STAWA SLUˆAJNO I WSEKIINDIWID RAWNOWEROQTNO MOVE DA SE KR˙STOSA S WSEKI DRUG OT POPULACIQTA.
iSKAME DA OPREDELIM WEROQTNOSTITE p, q, r ZA RAZPROSTRANENIE NA TIPOWETEAA, aa, Aa W SLEDWA]OTO POKOLENIE.
nEKA OTBELEVIM, ˆE SLUˆAJNIQT IZBOR NA RODITEL I SLED TOWA SLUˆAJNIQT
IZBOR NA NEGOWITE GENI E EKWIWALENTNO NA SLUˆAEN IZBOR NA GEN OT CQLATA PO-PULACIQ NA GENITE. kATO WZEMEM USLOWNATA WEROQTNOST PRI DWOJKATA GENI NA
RODITELQ WIVDAME, ˆE SLUˆAJNO PODBRAN GEN ]E B˙DE TIP A S WEROQTNOST
P(A) = P(A|AA)p0 + P(A|aa).q0 + P(A|aA)r0 = p0 +r02.
aNALOGIˆNO
P(a) = p0 +r02.
i TAKA SLED SLUˆAJNO KR˙STOSWANE, SLUˆAJNO IZBRAN INDIWID OT SLEDWA]O POKO-LENIE ]E B˙DE:
- OT TIP AA S WEROQTNOST p = P(A)P(A) = (p0 +r02
)2;
1. grani˜ni weroqtnosti 47
- OT TIP aa S WEROQTNOST q = (q0 +r02
)2 I
- OT TIP Aa S WEROQTNOST r = 2P(A).P(a) = 2(p0 +r02
)(q0 +r02
).
pROCENT˙T NA TIPOWETE AA, aa, Aa W SLEDWA]OTO POKOLENIE E S˙OTWETNO p, qI r.
nEKA SEGA RAZGLEDAME NOWOTO POKOLENIE. pRI NEGO PROCENTNOTO S˙D˙RVANIE
NA GENITE TIP A ]E B˙DE p +r
2I TOWA E ˆASTTA OT GENITE OT TIP A, KOITO SA
OSTANALI NEPROMENENI OT PREDI[NOTO POKOLENIE. tOWA SLEDWA ILI OT ARGUMENTA,ˆE (CQLATA) TOTALNATA GENNA POPULACIQ NE SE MENI OT POKOLENIE NA POKOLENIE,ILI OT SLEDNATA PROSTA SMETKA:
p+r
2= (p0+
r02
)2+(p0+r02
)(q0+r02
) = (p0+r02
)[p0+2r02
+q0] = p0+r02
= P(A) (5.3)
sLEDOWATELNO, S˙OTNO[ENIETO NA A I a W GENNATA POPULACIQ E S˙]OTO, KAKTOW NAˆALNATA POPULACIQ. oT TOWA SLEDWA, ˆE PRI SLUˆAJNO KR˙STOSWANE W˙W WSIˆKISLEDWA]I POKOLENIQ SLED NAˆALNOTO, PROCENTNOTO S˙OTNO[ENIE NA INDIWIDITE SGENI AA, aa I Aa ]E OSTANE FIKSIRANO S˙S STOJNOSTI: p, q I r. tOWA SE NARIˆAZAKON NA Hardy-Weinberg.
dA DOPUSNEM, ˆE GENNATA POPULACIQ NA DWOJKITE GENI AA, aa, Aa SE E STABILI-ZIRALA OKOLO % : p, q, r I DA PROSLEDIM GENETIˆNATA ISTORIQ NA EDIN EDINSTWEN
INDIWID I NEGOWITE NASLEDNICI (ZA PROSTOTA DOPUSKAME, ˆE WSEKI INDIWID IMATOˆNO EDIN NASLEDNIK). nEKA ZA DADEN INDIWID Xn OZNAˆIM GENETIˆNOTO S˙STO-QNIE NA NEGOWIQ n−TI NASLEDNIK (ILI NEGOWIQ NASLEDNIK W n−TOTO POKOLENIE).mATRICATA NA PREHODNITE WEROQTNOSTI NA TAZI mARKOWSKA WERIGA E: p+ r
20 q + r0
2
0 q + r2
p+ r2
p2
+ r4
q2
+ r4
p2
+ q2
+ r2
iNTUITIWNO E QSNO, ˆE GRANIˆNITE WEROQTNOSTI NA TAZI mARKOWSKA WERIGA ]E
B˙DAT OTNOWO p, q, r ZA NASLEDNICITE NA INDIWIDITE OT TRITE TIPA AA, aa, Aa.zA DA POKAVEM TOWA E DOSTAT˙ˆNO DA PROWERIM, ˆE TE UDOWLETWORQWAT URAWNENIE(5.1), T.E.
p = p(p+r
2) + r(
p
2+r
4) = (p+
r
2)2,
q = q(q +r
2) + r(
q
2+r
4) = (q +
r
2)2,
p+ q + r = 1,
NO TOWA E IZP˙LNENO PORADI (5.3).
zABELEVKA 5.2. πj, j ≥ 0 SE NARIˆAT O]E STACIONARNI WEROQTNOSTI.
48 lekciq 5. werigi na markow - 2
pRIˆINATA E, ˆE AKO DOPUSNEM, ˆE NAˆALNOTO S˙STOQNIE E IZBRANO W S˙OT-WETSTWIE S RAZPREDELENIE πj, j ≥ 0, TO TOGAWA WEROQTNOSTTA DA SE NAMIRAME OT-NOWO W TOWA S˙STOQNIE ZA WSQKO n E πj, T.E. AKO P(X0 = j) = πj, j ≥ 0, TOP(Xn = j) = πj,∀n, j ≥ 0.
lESNO SE WIVDA, ˆE TOWA E TAKA ˆREZ INDUKCIQ PO n. nEKA E IZP˙LNENO ZA n− 1I DA PROWERIM ZA n. iMAME OT (5.1):
P(Xn = j) =∞∑i=0
P(Xn = j|Xn−1 = i)P(Xn−1 = i) =∞∑i=0
pijπi = πj.
2 sREDNO WREME W PREHODNITE S˙STOQNIQ
rAZGLEVDAME KRAJNA mARKOWSKA WERIGA I NEKA S˙STOQNIQTA SA NOMERIRANI I T =1, 2....t E MNOVESTWOTO OT PREHODNITE S˙STOQNIQ,
PT =
p11 p12 . . . p1t
. . . . . . . . . . . .pt1 pt2 . . . ptt
I DA OTBELEVIM, ˆE T˙J KATO P SE S˙STOI SAMO OT PREHODNI WEROQTNOSTI ZA PRE-MINAWANE OT PREHODNo S˙STOQNIE W PREHODNO S˙STOQNIE, TO NQKOJ OT SUMITE PO
REDOWE SA PO-MALKI OT 1.nEKA S sij OZNAˆIM OˆAKWANIQ BROJ PERIODI OT WREME mARKOWSKATA WERIGA DA
B˙DE W PREHODNO S˙STOQNIE j, PRI USLOWIE, ˆE ZAPOˆWA OT PREHODNO S˙STOQNIE i(ILI RESPEKTIWNO BROJ WR˙]ANIQ W j.)
nEKA δi,j =
1, i = j0, i 6= j
pRI USLOWIe NAˆALNIQ PREHOD POLUˆAWAME
sij = δi,j +∑
k
pikskj = δi,j +t∑
k=1
pikskj, (5.4)
K˙DETO POSLEDNOTO RAWENSTWO SLEDWA OT TOWA, ˆE NE E W˙ZMOVEN PREHOD OT W˙ZW-RATNO W PREHODNO S˙STOQNIE, OTK˙DETO skj = 0, KOGATO k E W˙ZWRATNO S˙STOQNIE.
nEKA S E MATRICATA OT STOJNOSTI sij, T.E.
S =
s11 s12 ... s1t
si1 si2 ... sit
... ... ... ....st1 st2 ... stt
.
tOGAWA (5.4) MOVE DA SE PRESTAWI W SLEDNIQ MATRIˆEN ZAPIS
S = I + PT S, (5.5)
K˙DETO I E EDINIˆNATA MATRICA S RAZMERNOST t I T˙J KATO (5.5) E EKWIWALENTNONA (I − PT )S = I, POLUˆAWAME S = (I − PT )−1, T.E. SREDNITE WREMENA NA PRESTOJ WPREHODNO S˙STOQNIE SE POLUˆAWAT LESNO SLED OBR˙]ANE NA MATRICA I− PT .
3. razklonqwa˝i se procesi 49
3 rAZKLONQWA]I SE PROCESI
kLAS mARKOWSKI WERIGI S [IROKO PRILOVENIE W BIOLOGIQTA, SOCIOLOGIQTA,INVENERNITE NAUKI.
dA RAZGLEDAME POPULACIQ OT INDIWIDI, KOITO ”PROIZWEVDAT”INDIWIDI OT S˙-]IQ WID. nEKA WSEKI INDIWID W KRAQ NA SWOQ VIWOT PROIZWEDE j NOWI INDIWIDI SWEROQTNOST pj, j ≥ 0, NEZAWISIMO OT BROQ PROIZWEVDANI INDIWIDI OT OSTANALITE,S˙]ESTWUWA]I INDIWIDI.
nAˆALNIQ BROJ OZNAˆAWAME S X0 I NARIˆAME RAZMER NA NULEWOTO POKOLENIE.cQLOTO POTOMSTWO NA NULEWOTO POKOLENIE OBRAZUWA P˙RWOTO POKOLENIE I BROQT NA
INDIWIDITE W NEGO OZNAˆAWAME S X1. nEKA S Xn OZNAˆIM BROQ INDIWIDI W n−TOPOKOLENIE ⇒ Xn E mARKOWSKA WERIGA S MNOVESTWO NA S˙STOQNIQTA NEOTRICA-TELNI CELI ˆISLA (N ∪ 0). 0-TA E W˙ZWRATNO S˙STOQNIE , T˙J KATO p00 = 1. aKOp0 > 0 WSIˆKI S˙STOQNIQ SA PREHODNI. tOWA SLEDWA OT FAKTITE, ˆE pi0 = pi
0, KO-ETO POKAZWA, ˆE ZAPOˆWAJKI S i INDIWIDA, S˙]ESTWUWA POLOVITELNA WEROQTNOST≥ pi
0, NIKOE SLEDWA]O POKOLENIE DA NE SE S˙STOI OT i INDIWIDA. nE]O POWEˆE, T˙JKATO WSQKO KRAJNO PODMNOVESTWO NA PREHODNITE S˙STOQNIQ 1, 2, ..., n ]E B˙DEPOSETENO KRAEN BROJ P˙TI, TOWA WODI DO WAVNOTO ZAKL@ˆENIE, ˆE AKO p0 > 0, TOPOPULACIQTA ILI ]E SE IZRODI (T.E. NQMA DA IMA POWEˆE INDIWIDI) ILI NEJNIQRAZMER KLONI K˙M BEZKRAJNOST.
nEKA µ =∑∞
j=0 jpj E SREDNIQT BROJ INDIWIDI PORODENI OT EDIN INDIWID I
σ2 =∑∞
j=0(j − µ)2pj, e DISPERSIQTA NA BROQ NA INDIWIDITE.nEKA X0 = 1, MOVEM DA ZAPI[EM, ˆE
Xn =
Xn−1∑i=1
Zi,
Zi− E BROQ POToMSTWOTO NA i−TIQ INDIWID W n− 1−TO POKOLENIE. s USREDNQWANE
PO Xn−1 ⇒
EXn = E(E(Xn|Xn−1)) = E(E(
Xn−1∑i=1
Zi)|Xn−1) = E(Xn−1µ) = µEXn−1 (5.6)
oT (5.6) ⇒ (EX0 = 1, QSNO!)EX1 = µEX2 = µEX1 = µ2
. . .EXn = µEXn−1 = µn
aNALOGIˆNO ZA DISPERSIQTA KATO IZPOLZUWAME FORMULATA ZA USLOWNA DISPER-SIQ, T.E.
VarXn = E[Var(Xn|Xn−1)] + Var[E(Xn|Xn−1)]
50 lekciq 5. werigi na markow - 2
I FAKTA, ˆE PRI ZADADENO Xn−1 , Xn E SUMA OT NEZAWISIMI EDNAKWO RAZPREDELENI
S pj, j ≥ 0 SL. W., TOVar(Xn|Xn−1) = Xn−1σ
2
I OT FORMULATA ZA USLOWNATA DISPERSIQ I OT (5.6) ⇒VarXn = E(Xn−1σ
2) + Var(Xn−1µ) = σ2µn−1 + µ2VarXn−1,
I KATO WZEMEM W PREDWID, ˆE VarX0 = 0 PO INDUKCIQ, POLUˆAWAME:
VarXn =
σ2µn−1
(µn−1µ−1
), AKO µ 6= 1
nσ2, AKO µ = 1
nEKA OZNAˆIM π0 = limn→∞P(Xn = 0|X0 = 1) E WEROQTNOSTTA PROCES˙T DA SEIZRODI (DA POPADNE W POGL˙]A]OTO S˙STOQNIE 0).
zA P˙RWI P˙T ZADAˆATA ZA NAMIRANE NA WEROQTNOSTTA π0 E W˙ZNIKNALA I E FOR-MULIRANA OT gALTON PREZ 1889 G. W˙W WR˙ZKA S IZRAVDANETO NA BLAGORODNIˆESKITEFAMILII W aNGLIQ.
dA OTBELEVIM, ˆE π0 = 1, AKO µ < 1, ZA]OTO
µn = EXn =∞∑
j=1
jP(Xn = j) ≥∞∑
j=1
P(Xn = j) = P(Xn ≥ 1),
I OT µn → 0, n → ∞ (µ < 1) SLEDWA WEDNAGA, ˆE P(Xn ≥ 1) → 0, ILI S˙OTWETNOP(Xn = 0) → 1, n→∞. mOVE DA SE DOKAVE, ˆE π0 = 1 DORI I PRI µ = 1.
pRI µ > 1 ⇒ π0 < 1 I URAWNENIETO, OT KOETO MOVEM DA PRESMETNEM π0
POLUˆAWAME KATO USREDNIM PO POTOMSTWOTO NA NAˆALNATA ˆASTICA:
π0 = P(POPULACIQTA SE IZRAVDA) =∞∑
j=0
P(POPULACIQTA SE IZRAVDA|X1 = j)pj.
pRI USLOWIE, ˆE X1 = j, POPULACIQTA ]E SE IZRODI ⇐⇒ WSQKA OT j−TE FAMI-LII, ZAPOˆWA]I OT WSEKI OT INDIWIDITE NA P˙RWOTO POKOLENIE, UMIRA. t˙J KATOWSQKA FAMILIQ EWOL@IRA NEZAWISIMO OT OSTANALITE I WEROQTNOSTTA ZA NEJNOTO
IZRAVDANE E S˙]O π0, TO
P(POPULACIQTA SE E IZRODILA|X1 = j) = πj0 ⇒
π0 UDOWLETWORQWA URAWNENIETo
π0 =∞∑
j=0
πj0pj. (5.7)
kOGATO µ > 1 MOVE DA SE POKAVE, ˆE π0 E NAJ-MALKOTO POLOVITELNO ˆISLO,KOETO E KOREN NA URAWNENIETO (5.7).
zADAˆA 5.1. aKO p0 = 1/4, p1 = 1/4, p2 = 1/2 DA SE OPREDELI π0.
zADAˆA 5.2. aKO W NAˆALNIQT MOMENT X0 = n, I OTNOWO IMAME S˙]ITE STOJ-NOSTI NA WEROQTNOSTITE OT zADAˆA 5.1, NA KOLKO E RAWNA WEROQTNOSTTA ZAIZRAVDANE NA POPULACIQTA?
4. obratimi markowski werigi( w¨w wremeto) 51
4 oBRATIMI mARKOWSKI WERIGI( W˙W WREMETO)
rAZGLEVDAME STACIONARNA ERGODIˆNA mARKOWSKA WERIGA S PREHODNI WEROQTNOSTI
pij I STACIONARNI WEROQTNOSTI πj I DA DOPUSNEM, ˆE ZAPOˆWAJKI OT DADEN MOMENTPROSLEDQWAME S˙STOQNIQTA NA TEZI mARKOWSKA WERIGA OBRATNO W˙W WREMETO, T.E.ZAPOˆWAJKI OT n DA RAZGLEDAME Xn, Xn−1, Xn−2, . . .. oKAZWA SE, ˆE TAZI REDICA E
OTNOWO mARKOWSKA WERIGA S PREHODNI WEROQTNOSTI Qij DEFINIRANI, ˆREZ
Qij = P(Xm = j|Xm+1 = i) =P(Xm = j,Xm+1 = i)
P(Xm+1 = i)
=P(Xm = j)P(Xm+1 = i|Xm = j)
P(Xm+1 = i)=πjpji
πi
.
zA DA POKAVEM, ˆE OBRATNIQT PROCES E NAISTINA mARKOWSKA WERIGA, TRQBWA DAUSTANOWIM, ˆE
P(Xm = j|Xm+1 = i,Xm+2, Xm+3, . . .) = P(Xm = j|Xm+1 = i).
nEKA NASTOQ]IQT MOMENT E m+ 1. t˙J KATO X0, X1, X2, . . . e mARKOWSKA WERI-GA, USLOWNOTO RAZPREDELENIE NA B˙DE]ETO Xm+2, Xm+3, . . . PRI ZADADENO NASTOQ]EXm+1 E NEZAWISIMO OT MINALOTO S˙OTWETNO OT Xm. (nO NEZAWISIMOSTTA E SIMET-RIˆNA RELACIQ, T.E. AKO A NE ZAWISI OT B TO I B NE ZAWISI OT A). tOWA OZNAˆAWA,ˆE PRI ZADADENO Xm+1, Xm NE ZAWISI OT Xm+2, Xm+3, . . .. tOˆNO TOWA, KOETO BE[ENEOBHODIMO DA PROWERIM.
aKO Qij = pij ZA WSIˆKI i I j, KAZWAME ˆE mARKOWSKATA WERIGA E OBRATIMA W˙WWREMETO. tOWA USLOWIE S˙]O MOVE DA SE IZRAZI I TAKA
πipij = πjpji,∀i, j. (5.8)
aKO S˙]ESTWUWAT ˆISLA xi, UDOWLETWORQWA]I (5.8) I∑
i xi = 1, TO mARKOW-SKATA WERIGA E OBRATIMA I TEZI ˆISLA PREDSTAWLQWAT GRANIˆNOTO RAZPREDELENIE
NA WERIGATA. tOWA E TAKA, T˙J KATO xipij = xjpji I SUMIRAJKI PO i POLUˆAWAME:∑i
xipij = xj
∑i
pji,∑
i
xi = 1, (5.9)
NO GRANIˆNITE WEROQTNOSTI πi SA EDINSTWENOTO RE[ENIE NA (5.9). sLEDOWATELNOxi = πi,∀i.
tEOREMA 5.2. eDNA ERGODIˆNA mARKOWSKA WERIGA,ZA KOQTO pij = 0 WINAGI KOGATOPji = 0 E OBRATIMA W˙W WREMETO, TOGAWA I SAMO TOGAWA, KOGATO, ZAPOˆWAJKI OTS˙STOQNIE i, WSQKA TRAEKTORIQ, WODE]A OBRATNO W i IMA S˙]ATA WEROQTNOST,KAKTO OBRATNATA, T.E.
pii1pi1i2 . . . piki = piikpikik−1. . . pi1i, (5.10)
ZA WSEKI NABOR i1, i2, . . . , ik.
52 lekciq 5. werigi na markow - 2
dOKAZATELSTWO: nEOBHODIMOST: wEˆE E DOKAZANA.dOSTAT˙ˆNOST: fIKSIRAME S˙STOQNIQTA i I j I DA ZAPI[EM (5.10), TAKA
pii1pi1i2 . . . pikjpji = pijpjikpikik−1. . . pi1i,
SUMIRAJKI PO WSIˆKI S˙STOQNIQ i1, i2, . . . , ik, SLEDWA:
pk+1ij pji = pijp
k+1jk .
pRI k →∞ POLUˆAWAME:πjpji = πipij,
S KOETO TEOREMATA E DOKAZANA.
lEKCIQ 6
mARKOWSKI WERIGI S
NEPREK˙SNATO WREME (mwnw)
w TAZI LEKCIQ SI POSTAWQME SLEDNITE CELI:
• DA DADEM DEFINICIQ NA MARKOWSKA WERIGA S NEPREK˙SNATO WREME;
• DA IZWEDEM PRAWITE I OBRATNI DIFERENCIALNI URAWNENIQ kOLMOGOROW;
• DA RAZGLEDAME KATO PRIMERI PROCESITE NA RAVDANE I UMIRANE;
• DA RE[IM NQKOI ZADAˆI.
1 dEFINICIQ
s EDIN PRIMER NA mwnw NIE WEˆE SE ZAPOZNAHME - TOWA E pOASONOWIQ PROCES.t˙J KATO S N(t) OZNAˆIHME OB]IQ BROJ NA ZAQWKITE (ILI POQWQWANIQTA NA DADE-NO S˙BITIE) DO MOMENTA t, TOWA E S˙]O S˙STOQNIETO NA PROCESA W MOMENT t, TOpOASONOWIQT PROCES E mwnw S˙S S˙STOQNIQ 0, 1, 2, . . . , KOQTO WINAGI PREMINAWAOT S˙STOQNIE n W S˙STOQNIE n + 1, n ≥ 0. tAK˙W PROCES SE NARIˆA O]E PROCESNA ˆISTO RAVDANE, PORADI TOWA, ˆE S˙STOQNIETO MU WINAGI NARASTWA S EDINICA.pO-OB]O, EDIN EKSPONENCIALEN MODEL, KOJTO MOVE DA PREMINE (ZA EDIN PREHOD)SAMO OT S˙STOQNIE n W S˙STOQNIE n − 1 ILI W S˙STOQNIE n + 1 SE NARIˆA PROCESNA RAVDANE I UMIRANE. zA TAK˙W MODEL PREHODITE OT S˙STOQNIE n W S˙STOQNIE
n+1 SE NARIˆAT ”RAVDANE”, A OT n W n− 1 ”SM˙RT”. tEZI MODELI NAMIRAT [IROKOPRILOVENIE W BIOLOGIQTA, A S˙]O I PRI IZUˆAWANE NA OPA[KITE (W TEORIQTA NAMASOWOTO OBSLUVWANE), PRI KOITO S˙STOQNIETO PREDSTAWLQWA BROQ NA KLIENTITE WOPA[KATA NA OBSLUVWA]ATA SISTEMA. ˝E POLUˆIM T. NAR. PRAWI I OBRATNI DIFE-RENCIALNI URAWNENIQ NA kOLMOGOROW, KOITO OPISWAT WEROQTNOSTNITE ZAKONI NA
SISTEMATA.
oPREDELENIE 6.1. nEKA X(t), t ≥ 0 E STOHASTIˆEN PROCES S NEPREK˙SNATO
WREME I S˙S STOJNOSTI W MNOVESTWOTO OT CELITE NEOTRICATELNI ˆISLA (Z+).
53
54lekciq 6. markowski werigi s neprek¨snato wreme (mwnw)
kAZWAME, ˆE X(t) E mwnw, AKO ZA WSEKI s, t ≥ 0 I NEOTRICATELNI CELI ˆISLA
i, j I WSQKA CELOˆISLENA FUNKCIQ x(u) : [0, s) → Z+
P(X(t+ s) = j|X(s) = i,X(u) = x(u), 0 ≤ u < s) = P(X(t+ s) = j|X(s) = i).
s DRUGI DUMI, EDNA mwnw E STOHASTIˆEN PROCES, PRITEVAWA] mARKOWSKOTO
SWOJSTWO, ˆE USLOWNOTO RAZPREDELENIE NA B˙DE]ETO X(t+ s) PRI DADENO NASTOQ]EX(s) I MINALO X(u), 0 ≤ u < s, ZAWISI SAMO OT NASTOQ]ETO I E NEZAWISIMO OTMINALOTO.
aKO DOP˙LNITELNO WEROQTNOSTTA P(X(t + s) = j|X(s) = i) NE ZAWISI OT s, TOmwnw E S HOMOGENNI PO WREMETO PREHODNI WEROQTNOSTI I SE NARIˆA HOMOGENNA
mwnw.pO-NATAT˙K ]E RAZGLEDAME SAMO HOMOGENNI mwnw.dA RAZGLEDAME mwnw, KOQTO SE NAMIRA W S˙STOQNIE i W MOMENTA 0 I DA DOPUS-
NEM, ˆE TQ NE NAPUSKA TOWA S˙STOQNIE W SLEDWA]ITE 10 MIN. kAKWA E WEROQTNOSTTA,ˆE ]E OSTANE W S˙]OTO S˙STOQNIE O]E 5 MIN? t˙J KATO PROCES˙T E W S˙STOQNIEi 10 MIN., TO OT mARKOWSKOTO SWOJSTWO SLEDWA, ˆE WEROQTNOSTTA DA OSTANE W TOWAS˙STOQNIE W INTERWALA [10, 15] E TOˆNO BEZUSLOWNATA WEROQTNOST, ˆE PROCES˙T ]ESTOI W S˙STOQNIE i PONE O]E 5 MIN. tOWA OZNAˆAWA, ˆE AKO OZNAˆIM S Ti D˙LVI-NATA NA INTERWALA OT WREME, W KOJTO PROCES˙T SE NAMIRA W S˙STOQNIE i PREDI DAPREMINE W DRUGO S˙STOQNIE, UDOWLETWORQWA
P(Ti > 15|Ti > 10) = P(Ti > 5)
ILI PO OB]O
P(Ti > s+ t|Ti > s) = P(Ti > t), s, t ≥ 0.
tOWA OZNAˆAWA, ˆE Ti e SL. WELIˆINA, KOQTO E ”BEZ PAMET” (BEZ POSLEDEJSTWIE) ITRQBWA DA E EKSPONENCIALNO RAZPREDELENA. tAKA ESTESTWENO STIGAME DO SLEDNATAEKWIWALENTNA DEFINICIQ NA mwnw.
oPREDELENIE 6.2. nEKA X(t), t ≥ 0 E STOHASTIˆEN PROCES S NEPREK˙SNATO
WREME I S˙S STOJNOSTI W MNOVESTWOTO OT CELITE NEOTRICATELNI ˆISLA (Z+).kAZWAME, ˆE X(t) E mwnw, AKO:
(i) WREMETO NA PRESTOJ Ti W S˙STOQNIE i, PREDI DA POPADNE W DRUGO S˙STOQ-NIE E Exp RAZPREDELENA SL. W. S˙S SREDNO 1/νi;
(ii) KOGATO PROCES˙T NAPUSKA i I POPADA W S˙STOQNIE j S WEROQTNOST pij,
TO pij TRQBWA DA UDOWLETWORQWA USLOWIQTA: pii = 0,∀i I∑
j
pij = 1, ∀i.
s DRUGI DUMI mwnw E STOHASTIˆEN PROCES, KOJTO PREMINAWA OT EDNO S˙STOQ-NIE W DRUGO W S˙OTWETSTWIE S PREHODNITE WEROQTNOSTI NA EDNA mARKOWSKA WERIGA,NO WREMETO MEVDU PREHODITE NE E KONSTANTA 1, A E Exp RAZPREDELENA SL. WELI-ˆINA S RAZPREDELENIE, ZAWISE]O OT S˙STOQNIETO (Exp(1/νi)), KOETO PROCES˙T ]ENAPUSNE PRI PREHODA. nE]O POWEˆE, WREMENATA NA PRESTOJ W DADENO S˙STOQNIE i ISLEDWA]OTO S˙STOQNIE j SA NEZAWISIMI SL. W.
2. procesi na ravdane i umirane 55
2 pROCESI NA RAVDANE I UMIRANE
rAZGLEVDAME SISTEMA, ˆIETO S˙STOQNIE W˙W WSEKI MOMENT E BROQ HORA W SISTEMATAW TOZI MOMENT. dA DOPUSNEM, ˆE WSEKI P˙T, KOGATO IMA n ˆOWEKA, TOGAWA:
(i) NOWI HORA PRISTIGAT W S˙OTWETSTWIE S Exp RAZPREDELENIE S PARAMET˙R
1/λn (Exp(1/λn));(ii) NQKOI OT PRIS˙STWUWA]ITE NAPUSKAT SISTEMATA W S˙OTWETSTWIE S Exp(1/µn).tOWA ]E REˆE, ˆE WSEKI P˙T, KOGATO W SISTEMATA IMA n ˆOWEKA, WREMETO DO
PRISTIGANE NA NOWI HORA E Exp(1/λn) I E NEZAWISIMO OT WREMETO DO SLEDWA]OTONAPUSKANE NA HORA OT SISTEMATA, KOETO P˙K E Exp(1/µn).
tAKAWA SISTEMA NARIˆAME PROCES NA RAVDANE I UMIRANE S PARAMETRI λn∞n=0−STEPENI NA RAVDANE I µn∞n=0− STEPENI NA SM˙RTNOST.
i TAKA PROCESITE NA RAVDANE I UMIRANE (pru) SA mwnw S˙S S˙STOQNIQ
0, 1, 2, . . . I PREHODI OT n W n− 1 ILI W n+ 1.wR˙ZKITE MEVDU STEPENITE NA RAVDAEMOST I SM˙RTNOST I PREHODNITE WEROQT-
NOSTI SA SLEDNITE:ν0 = λ0;
νi = λi + µi, i > 0;
p01 = 1;
pi,i+1 =λi
λi + µi
, i > 0;
pi,i−1 =µi
λi + µi
, i > 0.
pRIMER 6.1. (pROCES NA pOASON) rAZGLEVDAME pru, ZA KOJTO µn = 0, ∀n ≥ 0I λn = λ, ∀n ≥ 0. tOWA E PROCES, PRI KOJTO NQMA SM˙RT I WREMETO MEVDU
POSLEDOWATELNITE RAVDANIQ E SL. W. S Exp(1/λ) RAZPREDELENIE. sLEDOWATELNO,TOWA E TOˆNO pOASONOW PROCES.
pROCES NA RAVDANE I UMIRANE, ZA KOJTO µn = 0, ∀n ≥ 0 SE NARIˆA PROCES NAˆISTO RAVDANE.
pRIMER 6.2. (pROCES NA RAVDANE S LINEJNA STEPEN (SKOROST) NA RAVDAEMOST.)rAZGLEVDAME POPULACIQ, ˆIJTO ˆLENOWE MOGAT DA IMAT POKOLENIE, NO NIKOGANE UMIRAT. aKO WSEKI INDIWID SE RAZWIWA NEZAWISIMO OT OSTANALITE I IMA
Exp(1/λ) RAZPREDELENO WREME DOKATO DADE POTOMSTWO, TO AKO X(t) E RAZMER˙TNA POPULACIQTA W MOMENT t, TOGAWA X(t), t ≥ 0 E ˆIST PROCES NA RAVDANE S
λn = nλ, n ≥ 0. tOZI PROCES SE NARIˆA ˆESTO PROCES NA ‘L.
pRIMER 6.3. (pROCES NA RAVDANE I UMIRANE S LINEJNA SKOROST I IMIGRACIQ.)pROCES, ZA KOJTO µn = nµ, n ≥ 1 λn = nλ+θ, n ≥ 0 SE NARIˆA pru S IMIGRACIQ.tAK˙W PROCES ESTESTWENO W˙ZNIKWA PRI IZUˆAWANE NA BIOLOGIˆNATA REPRODUK-TIWNOST I NARASTWANETO NA POPULACIQTA. wSEKI INDIWID SE PREDPOLAGA, ˆE IMAPOKOLENIE SLED WREME NA VIWOT S Exp(1/λ) RAZPREDELENIE I IMA DOP˙LNITELNA
56lekciq 6. markowski werigi s neprek¨snato wreme (mwnw)
EKSPONENCIALNA STEPEN NA NARASTWANE θ NA POPULACIQTA, KOQTO SE D˙LVI NAW˙N[EN IZTOˆNIK NA IMIGRACIQ. tAKA OB]ATA STEPEN NA RAVDAEMOST, KOGATOIMAME n INDIWDA W SISTEMATA e nλ + θ. sM˙RTNOSTTA SE PREDPOLAGA, ˆE EExp(1/µ) ZA WSEKI INDIWID I SLEDOWATELNO, µn = nµ.
nEKA X(t) =RAZMER˙T NA POPULACIQTA W MOMENT t I X(0) = i I DA OZNAˆIMS M(t) = EX(t).
˝E POLUˆIM DIFERENCIALNO URAWNENIE ZA M(t). iMAME
M(t+ h) = EX(t+ h) = E(E(X(t+ h)|X(t))).
tAKA PRI X(t) DADENO IMAME:
X(t+ h) =
X(t) + 1, S WEROQTNOST [θ + λX(t)]h+ o(h),X(t)− 1, S WEROQTNOST µX(t)h+ o(h),X(t), S WEROQTNOST 1− [θ + λX(t) + µX(t)]h+ o(h),
tOGAWA
E(X(t+ h)|X(t)) = X(t) + [θ +X(t)λ−X(t)µ]h+ o(h).
kATO WZEMEM MATEMATIˆESKOTO OˆAKWANE OT DWETE STRANI NA TOWA RAWENSTWO NA-MIRAME:
M(t+ h) = M(t) + (λ− µ)M(t)h+ θh+ o(h) ⇒M(t+ h)−M(t)
h= (λ− µ)M(t) + θ +
o(h)
h,
KOETO PRI h→ 0 DAWA (PRI λ 6= µ)
M ′(t) = (λ− µ)M(t) + θ. (6.1)
tOWA E LINEJNO DIFERENCIALNO URAWNENIE OT 1 RED S POSTOQNNI KOEFICIENTI I
SLEDOWATELNO IMA OB]O RE[ENIE NA HOMOGENNOTO URAWNENIE M(t) = Ce−(λ−µ)t I
OˆEWIDNO ˆASTNO RE[ENIE M0(t) = −θλ−µ
. tAKA OB]OTO RE[ENIE NA (6.1) e
M(t) = Ce−(λ−µ)t − θ
λ− µ.
kATO WZEMEM W PREDWID I NAˆALNOTO USLOWIE M(0) = i NAMIRAME, ˆE
M(t) =θ
λ− µ[e−(λ−µ)t − 1] + ie−(λ−µ)t.
kOGATO λ = µ URAWNENIETO (6.1) STAWAM ′(t) = θ I S˙S S˙]OTO NAˆALNO USLOWIEM(0) = i NAMIRAME:
M(t) = θt+ i.
3. weroqtnostta funkciq na prehodite PIJ(T ) 57
3 wEROQTNOSTTA FUNKCIQ NA PREHODITE Pij(t)
nEKA Pij(t) = P(X(t + s) = j|X(s) = i) E WEROQTNOSTTA, ˆE AKO W MOMENTA sPROCES˙T E W S˙STOQNIE i SLED WREME t ]E B˙DE W S˙STOQNIE j. nARIˆAT SE PREHODNIWEROQTNOSTI NA mwnw.
oPREDELENIE 6.3. zA WSQKA DWOJKA S˙STOQNIQ i, j NEKA DA OZNAˆIM S
qij = νipij.
t˙J KATO νi E SKOROSTTA, S KOQTO PROCES˙T IZW˙R[WA PREHOD OT i I pij
E WEROQTNOSTTA ZA PREHOD OT i W j, TO qij e SKOROSTTA, S KOQTO PROCES˙TOT S˙STOQNIE i PREMINAWA W S˙STOQNIE j. ˜ISLATA qij SE NARIˆAT MOMENTNI
PREHODNI SKOROSTI (T.E. OT i BEZ DA PRESTOQWA PREMINAWA W j.)
oT νi =∑
j
νipij =∑
j
qij I pij =qijνi
=qij∑j qij
, SLEDWA, ˆE qij ZADAWAT EDNOZNAˆ-
NO PARAMETRITE NA mwnw.
lEMA 6.1. w SILA SA:
A) limh→0
1− Pii(h)
h= νi,
B) limh→0
Pij(h)
h= qij, i 6= j.
dOKAZATELSTWO: A) p˙RWO DA OTBELEVIM, ˆE T˙J KATO WREMETO DOKATO SE IZW˙R-[I PREHOD E EKSPONENCIALNO RAZPREDELENO, TO WEROQTNOSTTA ZA 2 I POWEˆE PREHODAZA WREME h E o(h). sLEDOWATELNO, 1−Pii(h)− WEROQTNOSTTA, ˆE AKO PROCES˙T E BILW MOMENTA 0 W S˙STOQNIE i DA SI OSTANE W i SLED WREME h, e RAWNA NA WEROQTNOSTTA,ˆE ]E IMAME EDIN PREHOD W INTERWALA S D˙LVINA h+NE]O MALKO W SRAWNENIE Sh. sLEDOWATELNO
1− Pii(h) = νih+ o(h),
KOETO DOKAZWA A).B) dA ZABELEVIM, ˆE Pij(h)− WEROQTNOSTTA, ˆE PROCES˙T PREMINAWA OT S˙STOQ-
NIE i W S˙STOQNIE j ZA WREME h E RAWNA NA WEROQTNOSTTA, ˆE ]E IMAME EDIN PREHODZA TOWA WREME UMNOVENA S WEROQTNOSTTA ZA PREHOD OT i W j +o(h). sLEDOWATELNO
Pij(h) = hνipij + o(h),
OT K˙DETO SLEDWA B).
lEMA 6.2. zA WSQKO s ≥ 0 I WSQKO t ≥ 0
Pij(t+ s) =∞∑
k=0
Pik(t)Pkj(s). (6.2)
(uRAWNENIQ NA ˜EPMEN-kOLMOGOROW.)
58lekciq 6. markowski werigi s neprek¨snato wreme (mwnw)
dOKAZATELSTWO: iZRAZQWAME Pij(t+ s) KATO SUMIRAME PO WSIˆKI MEVDINNI S˙S-TOQNIQ k, W KOITO POPADA PROCES˙T ZA WREME t, T.E.
Pij(t+ s) = P(X(t+ s) = j|X(0) = i) =∞∑
k=0
P(X(t+ s) = j,X(t) = k|X(0) = i) =
∞∑k=0
P(X(t+ s) = j|X(t) = k,X(0) = i)P(X(t) = k|X(0) = i) =
∞∑k=0
P(X(t+ s) = j|X(t) = k)P(X(t) = k|X(0) = i) =
=∞∑
k=0
Pik(t)Pkj(s).
s TOWA DOKAZATELSTWOTO E ZAW˙R[ENO. oT (6.2) SLEDWA, ˆE
Pij(t+ h)− Pij(t) =∞∑
k=0
Pik(h)Pkj(t)− Pij(t) =
=∑k 6=i
Pik(h)Pkj(t)− [1− Pii(h)]Pij(t).
sLEDOWATELNO
limh→0
Pij(t+ h)− Pij(t)
h=
limh→0
∑k 6=i
Pik(h)
hPkj(t)−
[1− Pii(h)]
hPij(t)
,
I AKO PREDPOLOVIM, ˆE MOVE DA SE SMENI REDA NA SUMIRANETO I GRANIˆNIQ PREHODI IZPOLZUWAME lEMA 6.1, ]E POLUˆIM, ˆE
P ′ij(t) =
∑k 6=i
qikPkj(t)− νiPij(t).
i TAKA, BEZ DA DOKAZWAME STROGO ZAKONNOSTTA NA SMQNATA NA GRANIˆNIQ PREHODS˙S SUMIRANETO (KOETO PRI WERIGA S KRAEN BROJ S˙STOQNIQ E OˆEWIDNO) STIGAMEDO SLEDNATA TEOREMA.
tEOREMA 6.1. (oBRATNI URAWNENIQ NA kOLMOGOROW.) zA ∀i, j, I t ≥ 0
P ′ij(t) =
∑k 6=i
qikPkj(t)− νiPij(t).
3. weroqtnostta funkciq na prehodite PIJ(T ) 59
pRIMER 6.4. oBRATNITE URAWNENIQ NA kOLMOGOROW ZA PROCES NA ˆISTO RAVDA-NE IMAT WIDA
P ′ij(t) = λiPi+1,j(t)− λiPij(t). (6.3)
sEGA ]E POLUˆIM I T. NAR. PRAWI URAWNENIQ NA kOLMOGOROW. oTNOWO OT (6.2)IMAME
Pij(t+ h)− Pij(t) =∞∑
k=0
Pik(t)Pkj(h)− Pij(t) =
=∑k 6=j
Pik(t)Pkj(h)− [1− Pjj(h)]Pij(t).
sLEDOWATELNO
limh→0
Pij(t+ h)− Pij(t)
h=
limh→0
∑k 6=i
Pik(t)Pkj(h)
h− [1− Pjj(h)]
hPij(t)
,
I AKO PREDPOLOVIM, ˆE MOVE DA SE SMENI REDA NA SUMIRANETO I GRANIˆNIQ PREHODI IZPOLZUWAME lEMA 6.1, ]E POLUˆIM, ˆE
P ′ij(t) =
∑k 6=j
qkjPik(t)− νjPij(t).
tAKA STIGAME DO SLEDNATA TEOREMA.
tEOREMA 6.2. (pRAWI URAWNENIQ NA kOLMOGOROW.) pRI PODHODQ]I USLOWIQ ZA
REGULQRNOST
P ′ij(t) =
∑k 6=j
qkjPik(t)− νjPij(t).
zABELEVKA 6.1. sMQNATA NA REDA NA SUMIRANETO I GRANIˆNIQ PREHOD NE WI-NAGI E ZAKONNA. tOWA E WQRNO ZA KRAJNI SUMI I PRI IZWESTNI USLOWIQ ZA REDA,AKO TOJ E BEZKRAEN. tEZI USLOWIQ SA NAREˆENI PO-GORE USLOWIQ ZA REGULQRNOST.s˙]O TAKIWA USLOWIQ SˆITAME, ˆE SA NALICE I PRI TEOREMATA ZA OBRATNITEURAWNENIQ NA kOLMOGOROW.
pRIMER 6.5. dA RE[IM PRAWITE URAWNENIQ ZA ˆIST PROCES NA RAVDANE. iMAME
P ′ij(t) = λj−1Pi,j−1(t)− λjPij(t).
t˙J KATO Pij = 0 ZA i < j (NQMA ”UMIRANE”), TO
P ′ii(t) = −λiPii(t) (6.4)
I
P ′ij(t) = λj−1Pi,j−1(t)− λjPij(t), j ≥ i+ 1. (6.5)
60lekciq 6. markowski werigi s neprek¨snato wreme (mwnw)
pREDLOVENIE 6.1. zA ˆIST PROCES NA RAVDANE
(i) Pii(t) = e−λit, i ≥ 0,
(ii) Pij(t) = λj−1e−λjt
∫ t
0
eλjsPi,j−1(s)ds, j ≥ i+ 1.
dOKAZATELSTWO: mOVE DA SE NAPRAWI ˆREZ NEPOSREDSTWENA PROWERKA W (6.4) I(6.5).
4 gRANIˆNI WEROQTNOSTI
pO ANALOGIQ NA DISKRETNITE mARKOWSKI WERIGI I PRI mwnw WEROQTNOSTTA
PROCES˙T DA POPADNE W S˙STOQNIE j W MOMENTA t KLONI K˙M GRANIˆNA STOJNOST,KOQTO NE ZAWISI OT NAˆALNOTO S˙STOQNIE, T.E. AKO TAZI STOJNOST E Pj, TO
Pj = limt→∞
Pij(t).
˝E POLUˆIM SISTEMA ALGEBRIˆNI URAWNENIQ ZA Pj. dA RAZGLEDAME SISTEMATAPRAWI DIFERENCIALNI URAWNENIQ NA kOLMOGOROW:
P ′ij(t) =
∑k 6=j
qkjPik(t)− νjPij(t).
aKO NAPRAWIM GRANIˆEN PREHOD PO t→∞ W TOWA URAWNENIE ]E POLUˆIM
limt→∞
P ′ij(t) = lim
t→∞
[∑k 6=j
qkjPik(t)− νjPij(t)
]=
∑k 6=j
qkjPk − νjPj. (6.6)
oT TOWA, ˆE 0 ≤ Pij(t) ≤ 1 SLEDWA, ˆE AKO S˙]ESTWUWA GRANICATA limt→∞ P ′ij(t)
TO TQ NEPREMENNO E RAWNA NA 0. tOGAWA OT (6.6) SLEDWA
0 =∑k 6=j
qkjPk − νjPj
ILI
νjPj =∑k 6=j
qkjPk, (6.7)
ZA WSQKO S˙STOQNIE j.tOGAWA SISTEMATA (6.7) I O]E URAWNENIETO∑
j
Pj = 1, (6.8)
MOVE DA SE IZPOLZUWA ZA NAMIRANE NA GRANIˆNITE WEROQTNOSTI Pjj≥0.
5. presmqtane na prehodnite weroqtnosti 61
zABELEVKA 6.2. 1. pREDPOLOVIHME, ˆE GRANIˆNITE WEROQTNOSTI S˙]ESTWU-WAT. dOSTAT˙ˆNI USLOWIQ ZA TOWA SA:
A) wSIˆKI S˙STOQNIQ NA mARKOWSKATA WERIGA SA S˙OB]AWA]I SE, T.E. ZA-POˆWAJKI OT i IMA POLOVITELNA WEROQTNOST DA SE POPADNE W j ZA WSEKI DWE
S˙STOQNIQ i, j IB) mARKOWSKATA WERIGA E POLOVITELNO W˙ZWRATNA, T.E. ZAPOˆWAJKI OT DA-
DENO S˙STOQNIE SREDNOTO WREME ZA WR˙]ANE W TOWA S˙STOQNIE E KRAJNO.aKO A) I B) SA IZP˙LNENI, TO S˙]ESTWUWAT GRANIˆNITE WEROQTNOSTI Pj
I UDOWLETWORQWAT URAWNENIQTA (6.7) I (6.8). Pj SE RAZGLEVDAT S˙]O I KATO
ˆASTTA OT WREMETO, PREZ KOETO mwnw E BILA W S˙STOQNIETO j PRI DOSTA-T˙ˆNO D˙L˙G PERIOD (0, t).
2. (6.7) I (6.8) IMAT SLEDNATA INTERPRETACIQ: w˙W WSEKI INTERWAL (0, t)BROQ NA PREHODITE W S˙STOQNIE j TRQBWA DA E RAWEN NA PREHODITE OT S˙STOQNIE
j.
νjPj = SKOROSTTA, S KOQTO PROCES˙T NAPUSKA S˙STOQNIETO j
qkj E SKOROSTTA, S KOQTO OT k WLIZA W j, Pk E ˆASTTA OT WREMETO, PREZKOETO SE NAMIRA W S˙STOQNIETO k. sLEDOWATELNO, SKOROSTTA, S KOQTO SE IZ-W˙R[WA PREHOD˙T OT k W j E qkjPk. tOGAWA∑
k 6=j
qkjPk = SKOROSTTA, S KOQTO PROCES˙T WLIZA W S˙STOQNIE j.
3. kOGATO Pj S˙]ESTWUWAT mwnw SE NARIˆA ERGODIˆNA I Pj SE NARIˆAT
STACIONARNI WEROQTNOSTI.
5 pRESMQTANE NA PREHODNITE WEROQTNOSTI
nEKA OZNAˆIM ZA ∀i, j
rij =
qij, i 6= j,−νi, i = j.
tOGAWA OBRATNITE
P ′ij(t) =
∑k 6=i
qikPkj(t)− νiPij(t) (6.9)
I PRAWITE
P ′ij(t) =
∑k 6=j
qkjPik(t)− νjPij(t) (6.10)
URAWNENIQ NA kOLMOGOROW IMAT S˙OTWETNO PREDSTAWQNETO:
P ′ij(t) =
∑k
rikPkj(t) (6.11)
62lekciq 6. markowski werigi s neprek¨snato wreme (mwnw)
I
P ′ij(t) =
∑k
rkjPik(t) (6.12)
oZNAˆAWAME MATRICITE R = (rij), P(t) = (Pij(t)) I P′(t) = (P ′ij(t)). sLEDOWATEL-
NO OT (6.11) NAMIRAMEP′(t) = RP(t), (6.13)
A OT (6.12) SLEDWAP′(t) = P(t)R. (6.14)
tOGAWA RE[ENIETO NA (6.13) E P(t) = P(0)eRt I T˙J KATO P(0) = I TO SLEDWA, ˆEP(t) = eRt, K˙DETO MATRICATA eRt SE DEFINIRA ˆREZ:
eRt =∞∑
n=0
Rn tn
n!, (6.15)
a S Rn E OZNAˆENA n− TATA STEPEN NA MATRICATA R.oT IZˆISLITELNA GLEDNA TOˆKA WMESTO DA SE IZPOLZUWA (6.15) ZA PRESMQTANE
NA eRt E PO-UDAˆNO DA SE IZPOLZUWA MATRIˆNIQ EKWIWALENT NA RAWENSTWOTO
ex = limn→∞
(1 +x
n)n,
T.E.
eRt = limn→∞
(I +Rtn
)n.
sLEDOWATELNO, AKO n = 2k, TO MOVEM DA PRESMETNEM P(t) ˆREZ POWDIGANE NA MAT-
RICATA M = I+Rt
nNA n− TA STEPEN, KOETO MOVE DA SE IZW˙R[I ˆREZ k UMNOVENIQ
M2 = MM, M4 = M2M2, . . .
dA PRESMETNEM GRANIˆNITE WEROQTNOSTI ZA PROCES NA RAVDANE I UMIRANE:oT URAWNENIETO NA BALANSA SLEDWA
s˙STOQNIE INTERWAL NA NAPUSKANE=INTERWAL NA PRISTIGANE0 λ0p0 = µ1p1
1 (λ1 + µ1)p1 = µ2p2 + λ0p0
2 (λ2 + µ2)p2 = µ3p3 + λ1p1
. .
. .
. .n, n ≥ 1 (λn + µn)pn = µn+1pn+1 + λn−1pn−1
. .
. .
. .k˙M WSQKO URAWNENIE DOBAWQME PREDHODNITE I POLUˆAWAME
5. presmqtane na prehodnite weroqtnosti 63
λ0p0 = µ1p1
λ1p1 = µ2p2
λ2p2 = µ3p3
.
.
.λnpn = µn+1pn+1
.
.
.kATO RE[IM SISTEMATA ˆREZ p0 NAMIRAME
p1 =λ0
µ1
p0
p2 =λ1
µ2
p1 =λ1λ0
µ2µ1
p0
.
.
.
pn =λ0
µ1
pn−1 =λ0λ1 . . . λn−1
µnµn−1 . . . µ2µ1
p0
oT∑∞
n=0 pn = 1 ⇒
1 = p0 + p0
∞∑n=1
λ0λ1 . . . λn−1
µnµn−1 . . . µ2µ1
,
SLEDOWATELNO
p0 =1
1 +∑∞
n=1λ0λ1...λn−1
µnµn−1...µ2µ1
. (6.16)
tAKA ZA n ≥ 1,
pn =λ0λ1 . . . λn−1
µnµn−1 . . . µ2µ1(1 +∑∞
n=1λ0λ1...λn−1
µnµn−1...µ2µ1). (6.17)
s˙]O POLUˆAWAME I NEOBHODIMO USLOWIE ZA TOWA , TEZI GRANIˆNI WEROQTNOSTIDA S˙]ESTWUWAT, A IMENNO
∞∑n=1
λ0λ1 . . . λn−1
µnµn−1 . . . µ2µ1
<∞.
(mOVE DA SE DOKAVE, ˆE TOWA USLOWIE E S˙]O I DOSTAT˙ˆNO.)
64lekciq 6. markowski werigi s neprek¨snato wreme (mwnw)
zADAˆA 6.1. nEKA W EDIN CEH IMA M MA[INI, KOITO SE OBSLUVWAT OT 1 ˆO-WEK. nEKA WREMETO, KOETO RABOTI WSQKA MA[INA PREDI OTKAZ E EKSPONENCIALNORAZPREDELENO S˙S SREDNO 1/λ I NEKA WREMETO ZA REMONT E EKSPONENCIALNO RAZP-REDELENO S˙S SREDNO 1/µ. ˝E OTGOWORIM NA SLEDNITE W˙PROSI:
A) kAK˙W E SREDNIQT BROJ MA[INI, KOITO NE SA IZPOLZUWA?
B) kAKWA ˆAST OT WREMETO WSQKA MA[INA E W S˙STOQNIE RABOTA?
rE[ENIE: aKO PRIEMEM, ˆE SISTEMATA E W S˙STOQNIE n, KOGATO n OT MA[INITE
RABOTQT, TO OPISAHME EDIN PROCES NA RAVDANE I UMIRANE S PARAMETRI:
µn = µ, n ≥ 1,
λn =
(M − n)λ, n ≤M0, n > M.
oT (6.16) ⇒
p0 =1
1 +∑M
n=1[(Mλ(M − 1)λ . . . (M − n+ 1)λ)/µn]=
=1
1 +∑M
n=1[(λµ)n M !
(M−n)!
,
pk =(λ/µ)kM !/(M − k)!
1 +∑M
n=1(λµ)n M !
(M−n)!
, k = 1, . . . ,M.
a) sREDNIQT BROJ MA[INI, KOITO NE RABOTQT E
M∑k=0
kpk =M∑
k=0
k(M !/(M − k)!)(λ/µ)k
1 +∑M
n=1(λµ)n M !
(M−n)!
. (6.18)
B)
P(MA[INA DA RABOTI) =
M∑n=0
P(MA[INA DA RABOTI| n MA[INI NE RABOTQT)pn
=M∑
n=0
M − n
Mpn = 1−
M∑n=0
npn
M,
KATO POSLEDNATA SUMA E SMETNATA W (6.18).
6. zada˜i 65
6 zADAˆI
zADAˆA 6.2. nAMERETE WEROQTNOSTTA EDNA SL. W. X1 ∈ Exp(λ1) DA E NE PO-MALKAOT DRUGA SL. W. X2 ∈ Exp(λ2). sL. W. X1 I X2 SA NEZAWISIMI.
rE[ENIE:
P(X1 < X2) =
∫ ∞
0
P(X1 < X2|X1 = x)λ1e−λ1xdx =∫ ∞
0
P(X2 > x)λ1e−λ1xdx =
∫ ∞
0
e−λ2xλ1e−λ1xdx = . . . =
λ1
λ1 + λ2
.
zADAˆA 6.3. lICETO a PRODAWA HOT-DOG NA ]AND, KOJTO OTWARQ W 800ˆ. oT800 − 1100ˆ. KLIENTITE PRISTIGAT S POSTOQNNO NARASTWA]A INTENZIWNOST,KATO ZAPOˆWA OT 800ˆ. S 5 KLIENTI W ˆAS I DOSTIGA W 1100ˆ. - 20 KLIENTI W
ˆAS. oT 1100 − 1300ˆ. INTENZIWNOSTTA OSTAWA POSTOQNNA, A POSLE NAMALQWA WINTERWALA 1300 − 1700ˆ., KATO W 1700ˆ. E 12 KLIENTI ZA ˆAS. lICETO a ZATWARQ
W 1700ˆ.A) aKO PREDPOLOVIM, ˆE BROQ NA KLIENTITE W NEPRESIˆA]I SE INTERWALI OT
WREME E NEZAWISIM I KLIENTITE NE IDWAT EDNOWREMENNO (T.E. P(DA DOJDAT ≥2) = o(h), TO KAK˙W WEROQTNOSTEN MODEL DA IZBEREM ZA OPISANIQ PROCES?
B) kAKWA E WEROQTNOSTTA DA NQMA KLIENTI W INTERWALA 830 − 930ˆ., T.E.P(ξ(3/2) − ξ(1/2) = 0) =?, KATO S ξ(t) E OZNAˆEN BROQ NA PRISTIGNALITE DO
MOMENTA t KLIENTI.W) kAK˙W E OˆAKWANIQ BROJ KLIENTI W TOZI PERIOD, T.E. E(ξ(3/2)−ξ(1/2)) =?
rE[ENIE: a) ξ(0) = 0
λ(t) =
5 + 5t, 0 ≤ t ≤ 3,20, 3 ≤ t ≤ 5,30− 2t, 5 ≤ t ≤ 9.
tAKA PROCES˙T ξ(t) E NESTACIONAREN pOASONOW PROCES.
B) P(ξ(3/2)− ξ(1/2) = 0) = exp(−∫ 3/2
1/2(5 + 5t)dt) = e−15.
W) E(ξ(3/2) − ξ(1/2)) = 15, ZA]OTO NARASTWANETO E pOASONOWO RAZPREDELENASL.W. Po(15), T.E.
∞∑n=0
ne−15 15n
n!= . . . = 15.
zADAˆA 6.4. (pRIMER ZA SLOVEN pOASONOW PROCES) fALIT NA ZASTRAHOWATELNA
KOMPANIQ - mODEL NA kRAMER-lUNDBERG (Cramer-Lundberg).- iSKOWETE K˙M ZASTRAHOWATELNATA KOMPANIQ NAST˙PWAT W SLUˆAJNI MO-
MENTI OT WREME
0 < τ1 < τ2 < . . . τn < . . . , P.S.
66lekciq 6. markowski werigi s neprek¨snato wreme (mwnw)
- sTOJNOSTITE NA ISKOWETE Jn SA POLOVITELNI N.E.R. SL.W. S F.R. F (x) I M.O.EJn = µ,VarJn = σ2 <∞.- iNTERWALITE MEVDU ISKOWETE T1 = τ1, T2 = τ2 − τ1, . . . Tn = τn − τn−1 SA
NEZAWISIMI EDNAKWO RAZPREDELENI Exp(λ).sLEDOWATELNO N(t) = maxk : τk ≤ t ∈ Po(λt)-BROQ NA ISKOWETE NAST˙PILI
DO MOMENTA t E pOASONOW PROCES.rEDICITE OT SL.W. τk I Jk SA NEZAWISIMI. tOGAWA SUMARNIQT ISK DO
MOMENTA t E
S(t) =
N(t)∑i=1
Ji, t ≥ 0,
KOETO E S˙STAWEN pOASONOW PROCES.zA F.R. NA S(t) IMAME
Gt(x) = P(S(t) ≤ x) =∞∑
n=0
P(n∑
i=0
Ji ≤ x|N(t) = n)P(N(t) = n)
=∞∑
n=0
P(n∑
i=0
Ji ≤ x)e−λt (λt)n
n!=
=∞∑
n=0
e−λt (λt)n
n!F ∗n(x).
tUK F ∗n(x) E F.R. NA SUMATA∑n
i=1 Ji OT n NEZAWISIMI EDNAKWO RAZPREDELENISL. W. S F.R. F (x).
sEGA RISK˙T NA KOMPANIQTA SE DEFINIRA KATO
R(t) = u+ ct− S(t), t ≥ 0,
KATO u e NAˆALNIQT KAPITAL NA KOMPANIQTA, A c e RAZMERA NA WNOSKITE POS-T˙PWA]I ZA EDINICA WREME ILI c e INTENZIWNOSTTA NA POST˙PWANE NA WNOSKI-TE (premium income rare).
sˆITAME, ˆE NAST˙PWA FALIT, KOGATO W DADEN MOMENT t, R(t) < 0.dA PRESMETNEM WEROQTNOSTTA ZA FALIT PRI IZWESTEN NAˆALEN KAPITAL
(u ≥ 0) I IZWESTNA INTENZIWNOST NA POST˙PLENIQTA (c > 0).
rE[ENIE:
ψ(u) = P(R(t) < 0 ZA NQKOE t) = P(u+ cτn − S(τn) < 0 ZA NQKOE n ≥ 1) =
= P(u+ c
n∑k=1
Tk −n∑
k=1
Jk < 0, ZA NQKOE n ≥ 1) =
P(u+n∑
k=0
(cTk − Jk) < 0, ZA NQKOE n ≥ 1)
6. zada˜i 67
= P(supn≥1
(n∑
k=1
(Jk − cTk) > u)) =1
1 + ρexp(−ρu/µ(1 + ρ)),
K˙DETO ρ = c/(λµ)− 1 - (risk premium rate).
zADAˆA 6.5. nAPI[ETE du NA kOLMOGOROW ZA pOASONOW PROCES.
rE[ENIE: pn(t) UDOWLETWORQWAT (sISTEMA OBRATNI du NA kOLMOGOROW)∣∣∣∣ p′0(t) = −λp0(t),p′n(t) = −λpn(t) + λpn+1(t).
qij =
−λ, j = i,λ, j = i+ 1,0, W OSTANALITE SLUˆAI.
Pij(t+ s) = P(X(t+ s) = j|X(s) = i)
= P(X(t+ s)−X(s) = j − i|X(s) = i,X(0) = 0)
NEZ. NA NAR.= P(X(t+ s)−X(s) = j − i)
= P(X(t)−X(0) = j − i)
= P(X(t) = j − i)p. PROC.
=(λt)j−ie−λt
(j − i)!.
lEKCIQ 7
iNTEGRIRANE NA SLUˆAJNI
PROCESI
w TAZI LEKCIQ SI POSTAWQME SLEDNITE CELI:
• DA DEFINIRAME INTEGRAL OT SLUˆAEN PROCES OTNOSNO NESLUˆAJNA MQRKA;
• DA DEFINIRAME INTEGRAL OT NESLUˆAJNA FUNKCIQ OTNOSNO SLUˆAJNA MQRKA;
• DA DOKAVEM NQKOI SWOJSTWA NA TEZI INTEGALI;
• DA RAZGLEDAME NQKOI PRIMERI;
1 iNTEGRAL OT SLUˆAEN PROCES OTNOSNO NESLU-
ˆAJNA MQRKA
w MNOGO TEORITIˆNI I PRILOVNI ZADAˆI SE NALAGA DA SE RAZGLEVDAT INTEGRA-LI OT WIDA
I(ω) = I =
∫ b
a
ξ(t)dt, (7.1)
K˙DETO ξ(t), t ∈ [a, b] E DADEN SLUˆAEN PROCES.tOZI INTEGRAL MOVE DA SE DEFINIRA PO NQKOLKO NAˆINA:
oPREDELENIE 7.1. (I NAˆIN - tAZI DEFINICIQ SE NARIˆA POTRAEKTORNA.) aKOFIKSIRAME ω ]E POLUˆIM EDNA OBIKNOWENA FUNKCIQ NA t, ξ(t, ω) I ZA DA B˙DE TQINTEGRUEMA E DOSTAT˙ˆNO DA IMA NE POWEˆE OT IZBROIMO MNOGO PREK˙SWANIQ
W [a, b]. tOWA OZNAˆAWA, ˆE I(ω) = I PRI FIKSIRANO ω e GRANICA NA INTEGRALNISUMI OT WIDA:
n−1∑k=0
ξ(sk, ω)(tk+1 − tk), sk ∈ (tk, tk+1),
68
1. integral ot slu˜aen proces otnosno neslu˜ajna mqrka69
PRI n→∞ I maxk |tk+1 − tk| → 0.
i TAKA, AKO ξ(t) = ξ(t, ω) E IZMERIMA FUNKCIQ I∫ b
aE(ξ2(t))dt < ∞, TO PO
TEOREMATA NA fUBINI
E
(∫ b
a
ξ2(t)dt
)=
∫ b
a
E(ξ2(t))dt <∞,
OTK˙DETO∫ b
aξ2(t)dt S˙]ESTWUWA, A OTTAM I INTEGRALA W (7.1) S˙]ESTWUWA S WERO-
QTNOST 1. pRI TOWA I = I(ω) E SL. WELIˆINA.
oPREDELENIE 7.2. (II NAˆIN - mOVEM DA DEFINIRAME I KATO SREDNO KWADRATIˆ-NA GRANICA NA REDICA OT SL. WELIˆINI.) nEKA ξ(t) ∈ L2[a, b] I NEKA ξ(t) E ELEMEN-TAREN PROCES, T.E. S˙]ESTWUWAT TAKIWA TOˆKI a = t0 < t1 < . . . < tn+1 = b, ISL. WELIˆINI ξ0, . . . , ξn, TAKA ˆE ξ(t, ω) = ξk(ω) PRI t ∈ [tk, tk+1], k = 0, 1, 2, . . . , n.tOGAWA
I =
∫ b
a
ξ(t)dt =n∑
k=1
ξk∆tk, ∆tk = (tk+1 − tk)
E DEFINIRAN ZA WSQKO ω.aKO ξ(t), t ∈ [a, b] E PROIZWOLEN PROCES OT L2[a, b], TO S˙]ESTWUWA REDICA OT
ELEMENTARNI PROCESI ξn(t), t ∈ [a, b], n = 0, 1, 2, . . . , TAKAWA, ˆE
limn→∞
ξn(t) = ξ(t), t ∈ [a, b], P.S..
t˙J KATO |ξ(t)− ξn(t)| ≤ |ξ(t)|, TO PO tEOREMATA NA lEBEG
E
(∫ b
a
ξ(t)dt−∫ b
a
ξn(t)dt
)2≤ E
∫ b
a
(ξ(t)− ξn(t))2dt
→ 0,
PRI n→∞ I SLEDOWATELNO
(L2)
∫ b
a
ξ(t)dt = limn→∞
∫ b
a
ξn(t)dt.
oPREDELENIE 7.3. (III NAˆIN - kATO GRANICA NA RIMANOWI INTEGRALNI SUMI WTERMINITE NA KOWARIACIONNATA FUNKCIQ C(t, s) NA PROCESA.) rAZGLEVDAME
In =n∑
k=1
ξ(tnk)∆tnk, ∆tnk = tnk − tn,k−1,
K˙DETO
a = tn0 < tn1 < . . . < tnn = b.
sPORED KRITERIQ ZA NEPREK˙SNATOST ZA S˙]ESTWUWANETO NA L2− GRANICATA
NA In E nd IZRAZ˙T
E(InIm) =n∑
k=1
m∑r=1
C(tnk, tmr)∆tnk∆tmr, (7.2)
70 lekciq 7. integrirane na slu˜ajni procesi
DA IMA GRANICA PRI n→∞,m→∞ I maxk ∆tnk → 0, maxr ∆tmr → 0.nO TOWA E EKWIWALENTNO NA INTEGRUEMOST PO rIMAN NA FUNKCIQTA C(t, s) W
KWADRATA [a, b]× [a, b].
pOSLEDNATA DEFINICIQ NA INTEGRALA∫ b
aξ(t)dt E PO-TQSNA OT POTRAEKTORNATA,
NO IMA TOWA PREDIMSTWO, ˆE NE E SW˙RZANA S PONQTIETO IZMERIMOST.tAKA DEFINIRAHME INTEGRAL OT SLUˆAEN PROCES POTAEKTORNO, A SLED TOWA I
KATO SREDNO KWADRATIˆNA GRANICA NA SL. WELIˆINI. wTORIQT INTEGRAL ]E OZNA-ˆAWAME S (L2)
∫ b
aξ(t)dt. w˙ZNIKWA W˙PROS˙T, DALI TOWA NE E EDIN I S˙]I INTEGRAL?
oTGOWOR˙T E POLOVITELEN, KAKTO ]E SE UBEDIM.nEKA ZA WSQKO ω TRAEKTORIITE ξ(t, ω) SA INTEGRUEMI. pONEVE L2 INTEGRAL˙T
E GRANICA W L2 SMIS˙L NA INTEGRALNI SUMI (7.2), I SLEDOWATELNO E GRANICA I
PO WEROQTNOST NA S˙]ITE SUMI. oT DRUGA STRANA, POTRAEKTORNIQT INTEGRAL E
GRANICA NA S˙]ITE SUMI ZA POˆTI WSQKO ω, OT K˙DETO SLEDWA, ˆE I TOJ E GRANICAPO WEROQTNOST NA TEZI SUMI. sLEDOWATELNO DWATA INTEGRALA S˙WPADAT, T˙J KATOPRI SHODIMOSTTA PO WEROQTNOST GRANICATA E EDINSTWENA S TOˆNOST DO S˙BITIE S
WEROQTNOST 0.dA PREDPOLOVIM, ˆE ξ(t), t ∈ [a, b] e L2−NEPREK˙SNAT PROCES. tOGAWA NEGOWATA
KOWARIACIONNA FUNKCIQ C(t, s) E NEPREK˙SNATA W [a, b] × [a, b] I SLEDOWATELNO E
INTEGRUEMA W TOZI KWADRAT, A OTTAM I INTEGRAL˙T∫ b
aξ(t)dt S˙]ESTWUWA.
zADAˆA 7.1. wINEROWIQT PROCES wt, t ≥ 0 I pOASONOWIQT PROCES πt, t ≥ 0 SA
INTEGRUEMI, T.E. S˙]ESTWUWAT
ξ(t) =
∫ t
0
wsds, I η(t) =
∫ t
0
πsds, ZA WSQKO t ≥ 0.
oSWEN TOWA ξ(t) I η(t) SA L2−DIFERENCIRUEMI, PRI KOETO ξ′(t) = wt, η′(t) =
πt.pO-OB]O: nEKA PROCES˙T x(t), t ∈ [a, b] E L2−INTEGRUEM. tOGAWA
y(t) =
∫ t
a
x(s)ds, t ∈ [a, b] (7.3)
E SL. PROCES W PROSTRANSTWOTO L2[a, b]. ˝E POKAVEM, ˆE ZA y(t) E IZP˙LNENO:1) y(t) e L2−NEPREK˙SNAT W [a, b];2) AKO x(t) E L2−NEPREK˙SNAT W [a, b], TO y(t) e L2− DIFERENCIRUEM W [a, b] I
y′(t) = x(t).
rE[ENIE: oT (7.3) SLEDWA
E[(y(t+ h)− y(t))2] =
∫ t+h
t
∫ t+h
t
C(s, τ)dsdτ → 0, h→ 0,
KOETO DOKAZWA 1).iMAME
1. integral ot slu˜aen proces otnosno neslu˜ajna mqrka71
∆h = E
(y(t+ h)− y(t)
h− x(t)
)2
= h−2E
[∫ t+h
t
(x(τ)− x(t))dτ
]2
=
=
∫ t+h
t
∫ t+h
t
E(x(s)− x(t))(x(τ)− x(t))dsdτ/h2 =
≤[∫ t+h
t
(E(x(τ)− x(t))2)1/2dτ
]2
/h2,
NO ∫ t+h
t
(E(x(τ)− x(t))2)1/2dτ = h2(E(x(τ0)− x(t))2
)1/2, τ0 ∈ (t, t+ h),
SLEDOWATELNO ∆h → 0 PRI h→ 0 S KOETO E DOKAZANO I 2).pONQKOGA PREDSTAWLQWA INTERES DA SE NAMERI RAZPREDELENIETO NA INTEGRALA
OT SLUˆAEN PROCES. w OB]IQ SLUˆAJ TAZI ZADAˆA E TRUDNA, DAVE I DA ZNAEM S˙W-MESTNOTO RAZPREDELENIE NA PROIZWOLEN BROJ SL. WELIˆINI. wSE PAK ZA EDIN [IROKI WAVEN KLAS SL. PROCESI RAZPREDELENIETO NA
∫ b
aξ(t)dt MOVE DA SE NAMERI. tOWA
SA gAUSOWITE PROCESI.
pREDLOVENIE 7.1. nEKA ξ(t) e gAUSOW PROCES I E IZWESTNO, ˆE TOJ E L2 NEPRE-
K˙SNAT. tOGAWA I =∫ b
aξ(t)dt S˙]ESTWUWA I IMA gAUSOWO RAZPREDELENIE.
dOKAZATELSTWO: I E L2−GRANICA NA INTEGRALNI SUMI OT WIDA
In =n∑
k=0
ξ(sk)(tk+1 − tk).
oˆEWIDNO
In = C0 + C1ξ(s1) + . . .+ Cnξ(sn).
t˙J KATO DADENIQT PROCES E gAUSOW, TAZI LINEJNA KOMBINACIQ IMA gAUSO-WO RAZPREDELENIE I ZA HARAKTERISTIˆNATA FUNKCIQ φn(z) NA In IMAME φn(z) =exp[izan + σ2
nz2/2]. oSTAWA DA SE OTBELEVI, ˆE In → I, n→∞, A TOWA OZNAˆAWA, ˆE
an I σ2n IMAT GRANICI I GRANICATA NA HARAKTERISTIˆNITE FUNKCII IMA S˙]IQ
WID, SLEDOWATELNO I S˙]O IMA gAUSOWO RAZPREDELENIE.
zADAˆA 7.2. aKO ξ(t) =∫ t
0wsds, K˙DETO wt, t ≥ 0 E wINEROW PROCES IMA gAUSOWO
RAZPREDELENIE S PARAMETRI 0 I t3/3.
rE[ENIE: ∫ t
0
Ew2sds =
∫ t
0
s2ds = t3/3.
72 lekciq 7. integrirane na slu˜ajni procesi
zADAˆA 7.3. oTNOWO ZA ξ(t) =∫ t
0wsds, DA SE DOKAVE, ˆE PRI ∀t DWUMERNATA SL. W.
(wt, ξt) IMA gAUSOWO RAZPREDELENIE S˙S SREDNI STOJNOSTI (0, 0) I KOWARIACIONNA
MATRICA RAWNA NA
(t t2/2t2/2 t3/3
).
uP˙TWANE:
Ew2t Ewtξ(t)
Ewtξ(t) t3/3 = Eξ2(t)
.
˜ESTO E WAVNO NE RAZPREDELENIETO NA INTEGRALA, A NQKOI NEGOWI ˆISLENI HA-RAKTERISTIKI.
tEOREMA 7.1. nEKA SL. PROCES ξ(t), t ∈ [a, b] E L2−NEPREK˙SNAT I PRINADLEVI NA
L2[a, b]. nEKA a(t) I C(t, s) SA SREDNATA STOJNOST I KOWARIACIONNATA FUNKCIQ
NA PROCESA. ˝E POKAVEM, ˆE ZA INTEGRALA I =∫ b
aξ(t)dt SA W SILA SLEDNITE
S˙OTNO[ENIQ:
E(
∫ b
a
ξ(t)dt) =
∫ b
a
Eξ(t)dt =
∫ b
a
a(t)dt; (7.4)
Cov(
∫ b
a
ξ(t)dt, ξ(s)) =
∫ b
a
C(t, s)dt; (7.5)
Cov(
∫ b
a
ξ(t)dt,
∫ b
a
ξ(s)ds) =
∫ b
a
∫ b
a
C(t, s)dtds. (7.6)
dOKAZATELSTWO: iMAME
E∫ b
a
ξ(t)dt = Elimn
n∑k=0
ξ(sk)∆tk = limn
n∑k=0
E(ξ(sk))∆tk.
nO PO USLOWIE ξ(t) E L2−NEPREK˙SNAT, KOETO OZNAˆAWA, ˆE a(t) e NEPREK˙SNATAW [a, b] I SLEDOWATELNO INTEGRUEMA, KATO GRANICATA W POSLEDNIQ IZRAZ NA GORNOTO
RAWENSTWO E TOˆNO∫ b
aa(t)dt. s TOWA E DOKAZANO (7.4).
wS˙]NOST (7.4) E WARIANT NA TEOREMATA NA fUBINI, T˙J KATO E OBOSNOWANA
SMQNATA NA INTEGRIRANETO PO MQRKATA P I INTEGRIRANETO PO lEBEGOWATA MQRKA
dt. ∫Ω
(
∫ b
a
ξ(t, ω)dt)dP(ω) =
∫ b
a
(
∫Ω
ξ(t, ω)dP(ω))dt.
tOGAWA (7.5) I (7.6) SA QSNI. pO ANALOGIˆEN NAˆIN SE DOKAZWA I RAWENSTWOTO
Cov
(∫ b
a
f(t)ξ(t)dt,
∫ b
a
g(s)η(s)ds
)=
∫ b
a
∫ b
a
f(t)Cξη(t, s)g(s)dtds, (7.7)
K˙DETO ξ(t) I η(t) SA PROIZWOLNI L2−NEPREK˙SNATI SL. PROCESI S KOWARIACIONNAFUNKCIQ Cξη(t, s), A f, g SA NESLUˆAJNI FUNKCII OT L2[a, b].
2. osnowna teorema na stohasti˜noto smqtane (analog na formulata na lajbnic-n‘ton)73
dO TUK RAZGLEVDAHME INTEGRALI OT SLUˆAJNI PROCESI, PREDPOLAGAJKI, ˆE TESA DEFINIRANI W KRAEN ZATWOREN INTERWAL. pO ANALOGIQ S KLASIˆESKIQ ANALIZI TUK IMA SMIS˙L DA GOWORIM ZA NESOBSTWENI INTEGRALI OT SL. PROCESI. qSNOE, ˆE AKO S˙]ESTWUWA NESOBSTWEN INTEGRAL
∫∞0
∫∞0C(t, s)dtds OT KOWARIACIONNA-
TA FUNKCIQ, TOGAWA PROCES˙T ξ(t) ]E B˙DE INTEGRUEM W [0,∞), T.E. S˙]ESTWUWANESOBSTWEN INTEGRAL
∫∞0ξ(t)dt.
2 oSNOWNA TEOREMA NA STOHASTIˆNOTO SMQTANE
(ANALOG NA FORMULATA NA lAJBNIC-n@TON)
tEOREMA 7.2. nEKA x(t), t ∈ [a, b] E SL. PROCES S KOWARIACIONNA FUNKCIQ C(t, s).
nEKA S˙]ESTWUWAT∂C(t, s)
∂tI∂2C(t, s)
∂t∂sI SA NEPREK˙SNATI. tOGAWA x(t) e L2−
DIFERENCIRUEM, NEGOWATA PROIZWODNA x′(t) E L2−INTEGRUEMA I ZA WSQKO t ∈ [a, b]S WEROQTNOST 1
x(t)− x(a) =
∫ t
a
x′(s)ds.
dOKAZATELSTWO: ˝E DOKAVEM, ˆE ZA WSQKO t ∈ [a, b]
δt = E
(x(t)− x(a)−
∫ t
a
x′(s)ds
)2
= 0. (7.8)
zNAEM, ˆE∂2C(t, s)
∂t∂se KOWARIACIONNATA FUNKCIQ NA x′(t), A
∂C(t, s)
∂te KOWARIA-
CIONNATA FUNKCIQ NA x′(t) I x(s). tOGAWA ZA WELIˆINATA δt OT (7.8) NAMIRAME
δt = E
(x(t)− x(a))2 − 2(x(t)− x(a))
∫ t
a
x′(s)ds+
∫ t
a
x′(s)ds
∫ t
a
x′(τ)dτ
=
C(t, t)− 2C(t, a) + C(a, a)− 2
∫ t
a
[∂C(t, s)
∂s− ∂C(a, s)
∂s
]ds+
∫ t
a
∫ t
a
∂2C(t, s)
∂s∂τdsdτ.
oT NAPRAWENITE PREDPOLOVENIQ SLEDWA, ˆE PRI PRESMQTANE NA INTEGRALITE
W DQSNATA STRANA NA POSLEDNOTO RAWENSTWO MOVEM DA PRILOVIM KLASIˆESKATA
FORMULA NA lAJBNIC-n@TON. tOGAWA SE POLUˆAWA, ˆE δt = 0,∀t ∈ [a, b].
3 iNTEGRAL OT NESLUˆAJNA FUNKCIQ PO SLUˆAEN
PROCES
74 lekciq 7. integrirane na slu˜ajni procesi
sLEDWA]ATA NI CEL E DA POSTROIM STOHASTIˆEN INTEGRAL OT WIDA
J(f) =
∫ b
a
f(t)dη(t), (7.9)
K˙DETO f(t) E NESLUˆAJNA FUNKCIQ, A η(t) E SL. PROCES.
zABELEVKA 7.1. nQMA SMIS˙L DA RAZGLEVDAME INTEGRALA J(f), KOGATO η(t) E
L2−DIFERENCIRUEM, T˙J KATO WMESTO J(f) MOVEM DA WZEMEM∫ b
af(t)η′(t)dt, a S
NEGOWOTO POSTROQWANE WEˆE SE ZAPOZNAHME.
˝E DEFINIRAME (7.9) ZA PROCESI S NEKORELIRANI NARASTWANIQ, A TE KAKTO NE ETRUDNO DA SE WIDI SA NEDIFERENCIRUEMI.
nEKA E DADEN SL. PROCES η(t), t ∈ [a, b], η ∈ L2[a, b], ˆIJTO NARASTWANIQ SA
NEKORELIRANI, T.E. ZA PROIZWOLNI a ≤ t1 < t2 ≤ t3 < t4 ≤ b IMAME E[(η(t2) −η(t1))(η(t4)− η(t3))] = 0.
p˙RWO ]E POKAVEM, ˆE S˙]ESTWUWA NENAMALQWA]A FUNKCIQ F (t), t ∈ [a, b] TA-KAWA, ˆE η(t)− η(s), t > s IMA DISPERSIQ F (t)− F (s). nEKA t0 ∈ [a, b] E FIKSIRANOˆISLO. pOLAGAME
F (t) =
E(η(t)− η(t0))
2, t0 ≤ t ≤ b−E(η(t)− η(t0))
2, a ≤ t ≤ t0(7.10)
oˆEWIDNO F (t) ZAWISI OT t0, NO AKO WZEMEM DRUGO FIKSIRNO ˆISLO t′0 ∈ [a, b], TOF (t) ]E SE IZMENI SAMO S ADITIWNA KONSTANTA. nEKA t′0 < t0 < t (ANALOGIˆNO SERAZGLEVDAT SLUˆAJTE t′0 > t0 > t). tOGAWA
E(η(t)− η(t′0))2 = E(η(t)− η(t0) + η(t0)− η(t′0))
2 =
E(η(t)− η(t0))2+ 2E(η(t)− η(t0))(η(t0)− η(t′0))+ E(η(t0)− η(t′0))
2.sEGA TW˙RDENIETO SLEDWA OT FAKTA. ˆE:
E(η(t)− η(t0))(η(t0)− η(t′0)) = 0;
E(η(t)− η(t0))2 = F (t);
I
E(η(t0)− η(t′0))2 = const.
aKO OTNOWO IZPOLZUWAME SWOJSTWOTO NEKORELIRANOST (7.10) NA NARASTWANIQTANA PROCESA η(t), TO ZA WSEKI t > s
E(η(t)− η(s))2 = F (t)− F (s).
sLEDOWATELNO F (t) E NENAMALQWA]A FUNKCIQ. oSWEN TOWA, MOVE DA SE DOKAVE,ˆE S˙]ESTWUWA GRANICA OTDQSNO F (t + 0) I OTLQWO F (t − 0) ZA WSQKO t ∈ [a, b].pO-NATAT˙K
η(t+ 0)− η(t) = limh↓0
(η(t+ h)− η(t)),
3. integral ot neslu˜ajna funkciq po slu˜aen proces 75
η(t)− η(t− 0) = limh↓0
η(t)− η(t− h),
OTK˙DETO
E(η(t+ 0)− η(t))2 = F (t+ 0)− F (t),
E(η(t)− η(t− 0))2 = F (t)− F (t− 0).
nEKA W ZAKL@ˆENIE DA OTBELEVIM, ˆE NARASTWANETO η(t) − η(t0) e L2− NEPRE-K˙SNATO W T. t ⇐⇒ F (t) E NEPREK˙SNATA W TAZI TOˆKA. aKO F (t) IMA PREK˙SWANEW T. t, TO PONE EDNA OT SL. WELIˆINI η(t + 0) − η(t) I η(t) − η(t − 0) ]E IMA NU-LEWA DISPERSIQ. dA DOPUSNEM, ˆE η(t) e L2− NEPREK˙SNATA OTDQSNO. sLEDOWATELNOF (t) E NEPREK˙SNATA OTDQSNO. oT η(t) ∈ L2[a, b] SLEDWA, ˆE F (t) E OGRANIˆENA W[a, b], PRI KOETO E DOPUSTIMO a = −∞, b = +∞. nO WSQKA OGRANIˆENA I NENAMA-LQWA]A FUNKCIQ, NEPREK˙SNATA OTDQSNO (KAKWATO E F (t)) PORAVDA W DEFINICION-NATA SI OBLAST [a, b] KRAJNA MQRKA I TO TAKAWA, ˆE MQRKATA NA INTERWALA (s, t)E F (t) − F (s). iMENNO OTNOSNO TAKIWA FUNKCII SE STROI INTEGRAL NA sTILTES∫ b
ag(t)dF (t).
nEKA f(t), t ∈ [a, b] e NESLUˆAJNA FUNKCIQ, ZA KOQTO∫ b
af 2(t)dF (t) < ∞. cELTA
E DA DEFINIRAME STOHASTIˆNIQ INTEGRAL
J(f) =
∫ b
a
f(t)dη(t). (7.11)
1) nEKA f(t) e ELEMENTARNA FUNKCIQ, T.E.
f(t) =
f0, a ≤ t ≤ t1,f1, t1 ≤ t ≤ t2,..fn, tn ≤ t ≤ b
zA TAKAWA FUNKCIQ E ESTESTWENO DA POLOVIM
J(f) =n∑
k=0
fk[η(tk+1 − η(tk)], (7.12)
K˙DETO t0 = a, tn+1 = b.oT (7.12) SLEDWA, ˆE J(f) ZAWISI LINEJNO OT f :
J(c1f1 + c2f2) = c1J(f1) + c2J(f2). (7.13)
oSWEN TOWAE[J(f)] = 0,E[J2(f)] =
∑nk=0 f
2k [F (tk+1)− F (tk)].
(7.14)
iLI (7.14) MOVE DA SE PREDSTAWI I KATO
E[J2(f)] = Var[J(f)] =
∫ b
a
f 2(t)dF (t). (7.15)
76 lekciq 7. integrirane na slu˜ajni procesi
nEKA g(t), t ∈ [a, b] E DRUGA ELEMENTARNA FUNKCIQ OT TIPA NA f S∫ b
ag2(t)dF (t) <
∞. tOGAWA
Cov(J(f), J(g)) = E(J(f), J(g)) =
∫ b
a
f(t)g(t)dF (t). (7.16)
nAISTINA, NEKA f IMA POSTOQNNI STOJNOSTI W INTERWALITE OPREDELENI OT a, t1,t2, . . . , b, A g IMA POSTOQNNI STOJNOSTI W INTERWALITE OPREDELENI OT a, s1, s2, . . . , b.
oBEDINQWAME TOˆKITE OT DWETE DELENIQ W OB]A RASTQ]A REDICA
a < τ1 < τ2 < . . . < τm < b.
nEKA f0, f1, . . . , fm SA STOJNOSTITE NA f W [a, τ1], (τ1, τ2], . . . , (τm, b] I g0, g1, . . . , gm
SA S˙OTWETNITE STOJNOSTI NA g. tOGAWA
J(f) =m∑
i=0
fi(η(τi+1)− η(τi)),
J(g) =m∑
j=0
gj(η(τj+1)− η(τj)),
OTK˙DETO
E[J(f)J(g)] =m∑
i=0
m∑j=0
figjE(η(τi+1)− η(τi))(η(τj+1)− η(τj)).
nO
E(η(τi+1)− η(τi))(η(τj+1)− η(τj)) =
0, i 6= j,F (τi+1)− F (τi), i = j.
sLEDOWATELNO
E[J(f)J(g)] =
∫ b
a
f(t)g(t)dF (t).
nAKRATKO DO TUK, AKO f, g SA ELEMENTARNI, TO S (7.12) DEFINIRAHME STOHASTIˆ-NI INTEGRALI J(f) I J(g), ZA KOITO SA IZP˙LNENI (7.13) I (7.14), A KOWARIACIQTASE ZADAWA S (7.16).
dA PROD˙LVIM POSTROQWANETO NA J(f) ZA PROIZWOLNI FUNKCII, UDOWLETWORQ-
WA]I∫ b
af 2(t)dF (t) <∞. s˙WKUPNOSTTA NA TEZI FUNKCII ]E OZNAˆAWAME S L2(dF ).
nO WSQKA FUNKCIQ f ∈ L2(dF ) MOVE DA SE APROKSIMIRA S POMO]TA NA ELEMEN-TARNI FUNKCII OT S˙]IQ KLAS, T.E. S˙]ESTWUWA REDICA OT ELEMENTARNI FUNKCIIfn(t) TAKIWA, ˆE ∫ b
a
(fn(t)− f(t))2dF (t) → 0, n→∞.
tOGAWA J(fn) SE DEFINIRAT S (7.12), A
J(f) =
∫ b
a
f 2(t)dη(t)
3. integral ot neslu˜ajna funkciq po slu˜aen proces 77
]E B˙DE L2− GRANICATA NA J(fn)
E(J(fn)− J(f))2 =
∫ b
a
(fn(t)− f(t))2dF (t) → 0, n→∞.
sWOJSTWATA NA J(f) SE POLUˆAWAT ZA PROIZWOLNO f ∈ L2(dF ) ˆREZ GRANIˆENPREHOD OT SWOJSTWATA NA J(fn).
i TAKA POSTROIHME J(f) =∫ b
af(t)dη(t), f ∈ L2(dF ) PRI USLOWIE, ˆE η(t) ∈
L2-NEPREK˙SN OTDQSNO (sLEDOWATELNO F (t) E NEPREK˙SNATA OTDQSNO). aNALOGIˆNOMOVE DA SE POST˙PI I KOGATO η(t) E L2− NEPREK˙SNATA OTLQWO.
aKO η(t) E L2− NEPREK˙SNATA, TO TOGAWA F e NEPREK˙SNATA I REDICATA OT ELE-MENTARNI FUNKCII MOVE DA SE IZBERE PO KOJTO I DA E OT DWATA NAˆINA. w˙ZMOVNOE F (t) DA E ABSOL@TNO NEPREK˙SNATA, T.E. DA S˙]ESTWUWA F ′(t) = p(t). ToGAWA J(f)
SE DEFINIRA PO S˙]IQ NAˆIN S TAZI RAZLIKA, ˆE ISKAME∫ b
af 2(t)p(t)dt <∞.
lEKCIQ 8
sTOHASTIˆNI URAWNENIQ
w TAZI LEKCIQ SI POSTAWQME SLEDNITE CELI:
• dA DEFINIRAME STOHASTIˆEN INTEGRAL PO wINEROW PROCES;
• dA POKAVEM NQKOI NEGOWI SWOJSTWA;
• dA IZWEDEM FORMULATA NA iTO;
• dA DEFINIRAME STOHASTIˆNO DIFERENCIALNO URAWNENIE;
• dA RAZGLEDAME PRIMERI.
1 sTOHASTIˆEN INTEGRAL PO wINEROW PROCES
1.1 pREDWARITELNI BELEVKI
wSQKO URAWNENIE, ˆIJTO KOEFICIENTI ZAWISQT OT SL. W. ILI OT SL. PROCESI,OPREDELENI W DADENO WEROQTNOSTNO PROSTRANSTWO (Ω,F ,P) SE NARIˆA STOHASTIˆNO.
pRI DOSTAT˙ˆNO OB]I PREDPOLOVENIQ, RE[ENIQTA NA TAKOWA URAWNENIE SA SL.PROCESI W S˙]OTO WEROQTNOSTNO PROSTRANSTWO.
sTROGATA MATEMATIˆESKA TEORIQ NA STOHASTIˆNITE URAWNENIQ E ZAPOˆNALA DA
SE S˙ZDAWA S RABOTITE NA bERN]AJN PREZ 30-TE GODINI I OSOBENO W SREDATA NA
40-TE GODINI S RABOTITE NA iTO I gIHMAN. ˝E RAZGLEDAME OSNOWNITE W˙PROSI
SW˙RZANI S˙S STOHASTIˆNITE DIFERENCIALNI URAWNENIQ (sdu) NA BAZATA NA wI-NEROWIQ PROCES.
cELTA E NAJ-NAPRED DA POSTROIM I DA NAMERIM OSNOWNITE SWOJSTWA NA INTEG-RALA
JT (f) =
∫ T
0
f(t, ω)dwt, (8.1)
78
1. stohasti˜en integral po winerow proces 79
K˙DETO f(t) SLUˆAJNA FUNKCIQ I wt E wINEROW PROCES.dO SEGA RAZGLEVDANITE METODI NE SA PRILOVIMI, T˙J KATO TRAEKTORIITE NA
wINEROWIQ PROCES W PROIZWOLNO MAL˙K INTERWAL IMAT BEZKRAJNA WARIACIQ.
lEMA 8.1. wINEROWIQT PROCES IMA NEOGRANIˆENA WARIACIQ.
dOKAZATELSTWO: rAZGLEVDAME [0, T ] S TOˆKI NA DELENE 0 = t0 < t1 < t2 < . . . <tn = T. wARIACIQTA W [0, T ] ]E POLUˆIM KATO GRANICA NA WELIˆINITE
Vn =n−1∑k=0
|wtk+1− wtk |.
t˙J KATO wINEROWIQ PROCES E S NEZAWISIMI NARASTWANIQ I gAUSOWO RAZPREDE-LENIE, TO
EVn = c
n−1∑k=0
(tk+1 − tk)1/2 ≥ cT
maxk(tk+1 − tk)→∞,max
k∆tk → 0, n→∞,
VarVn =n−1∑k=0
Var|wtk+1− wtk | = c1
n−1∑k=0
(tk+1 − tk) = c1T.
sLEDOWATELNO VnP→∞, n→∞.
w˙ZMOVNOSTTA DA SE POSTROI STOHASTIˆEN INTEGRAL (8.1) SE D˙LVI NA SLED-NOTO SWOJSTWO NA wINEROWIQ PROCES, (ANALOGIˆNO NA OGRANIˆENA WARIACIQ). nEKAPRI n→∞,maxk ∆tk → 0. tOGAWA
n−1∑k=0
(wtk+1− wtk)
2 L2→ T, (8.2)
T.E. ZA WSQKO ε > 0
P
∣∣∣∣∣E(
n−1∑k=0
(wtk+1− wtk)
2
)− T
∣∣∣∣∣ > ε
→ 0, n→∞.
nAISTINA
E
(n−1∑k=0
(wtk+1− wtk)
2
)= T,
Var
(n−1∑k=0
(wtk+1− wtk)
2
)= c2
n−1∑k=0
(tk+1 − tk)2 ≤ c2T max
k∆tk → 0, n→∞.
tOGAWA (8.2) e SLEDSTWIE OT NERAWENSTWOTO NA ˜EBI[OW.p˙RWATA KONSTRUKCIQ NA (8.1) E DADENA O]E PREZ 30-TE GODINI OT pELI, NO ZA
NESLUˆAJNA FUNKCIQ f S INTEGRUEM KWADRAT. (∫ T
0f 2(t)dt <∞), T.E. f ∈ L2[0, T ].
80 lekciq 8. stohasti˜ni urawneniq
nEKA P˙RWO f IMA NEPREK˙SNATA PROIZWODNA f ′ I f(0) = f(T ) = 0. tOGAWAPOLAGAME
JT (f) =
∫ T
0
f(t)dwt = −∫ T
0
f ′(t)wtdt.
KATO WZEMEM W PREDWID, ˆE ZA wINEROW PROCES Ewt = 0 I Ewtws = mint, sPOLUˆAWAME
EJT (f) = 0,
E(JT (f)JT (g)) = E
(∫ T
0
f ′(t)wtdt
∫ T
0
g′(s)wsds
)=∫ T
0
∫ T
0
f ′(t)g′(s) min(t, s)dtds =
∫ T
0
f(s)g(s)ds.
w ˆASTNOST EJ2T (f) =
∫ T
0f 2(t)dt.
pO-NATAT˙K SE IZPOLZUWA FAKT˙T, ˆE PROIZWOLNA FUNKCIQ f ∈ L2[0, T ] MOVEDA SE APROKSIMIRA S FUNKCII OT TIPA NA RAZGLEDANATA. pO TAK˙W NAˆIN STOHAS-TIˆNIQ INTEGRAL JT (f) E DEFINIRAN ZA WSQKO f ∈ L2[0, T ].
nO TOZI METOD MOVE DA SE PRILOVI, I AKO f E SLUˆAJNA FUNKCIQ.
1.2 sTIHASTIˆEN INTEGRAL ZA ELEMENTARNI FUNKCII
nEKA Ft, t ≥ 0 E SEMEJSTWO OT NENEMALQWA]I σ-PODALGEBRI NA OSNOWNATA
σ-ALGEBRA F , T.E. PRI s < t⇒ Fs ⊂ Ft I ZA WSQKO t ≥ 0,Ft ⊂ F .
oPREDELENIE 8.1. kAZWAME, ˆE PROCES˙T ξt, t ≥ 0 E S˙GLASUWAN S POTOKA OT
σ− ALGEBRI Ft, t ≥ 0 AKO ZA WSQKO t ≥ 0 : ξt E Ft− IZMERIM, T.E. (ξt,Ft), t ≥ 0.
dA PREDPOLOVIM, ˆE (wt,Ft), t ≥ 0 E wINEROW PROCES. tOWA OZNAˆAWA, ˆE wt
E Ft IZMERIMA, NO NEGOWITE NARASTWANIQ, NAPRIMER wt+h − wt NE ZAWISQT OT Ft.˜ESTO W KAˆESTWOTO NA Ft SE WZEMAT σ−ALGEBRITE Fw
t , PORODENI OT SAMIQ wINEROWPROCES W INTERWALA [0, t].
s L2([0, T ] × Ω) OZNAˆAWAME S˙WKUPNOSTTA NA WSIˆKI (t, ω) IZMERIMI SL. FUN-
KCII (f(t, ω),Ft), t ∈ [0, T ], ZA KOITO E(∫ T
0f 2(t, ω)dt) <∞.
pO ANALOGIQ S OBIKNOWENATA TEORIQ NA INTEGRALA P˙RWO OPREDELQME STOHAS-TIˆNIQT INTEGRAL JT (f) ZA NQK˙KWO MNOVESTWO OT ”ELEMENTARNI FUNKCII”, S˙SSWOJSTWA: 1) DA B˙DE DOSTAT˙ˆNO ”BOGATO”, ZA DA MOVE S FUNKCII OT NEGO DA SE
APROKSIMIRA PROIZWOLNA FUNKCIQ OT L2([0, T ] × Ω); 2) pROSTO I NAGLEDNO DA SEOPISWAT SWOJSTWATA NA STOHASTIˆNIQ INTEGRAL.
oPREDELENIE 8.2. fUNKCIQTA e(t), t ∈ [0, T ] OT KLASA L2([0, T ] × Ω) SE NARIˆAELEMENTARNA, AKO S˙]ESTWUWAT TOˆKI 0 = t0 < t1 < . . . < tn = T I SL. WELIˆINIξ0, ξ1, . . . , ξn−1, K˙DETO ξk E Ftk IZMERIMA, TAKIWA ˆE:
e(t, ω) = ξk(ω),
PRI t ∈ [tk, tk+1).
2. nqkoi swojstwa na JT (E) 81
oPREDELENIE 8.3. nEKA e(t, ω) E ELEMENTARNA FUNKCIQ. tOGAWA STOHASTIˆNIQTINTEGRAL SE DEFINIRA S
JT (e) =
∫ T
0
e(t, ω)dwt =n−1∑k=0
ξk[wtk+1− wtk ]. (8.3)
2 nQKOI SWOJSTWA NA JT (e)
aKO a1, a2 SA KONSTANTI, A e1(t, ω), e2(t, ω) SA ELEMENTARNI FUNKCII OT L2([0, T ]×Ω), TO:
1) JT (a1e1 + a2e2) = a1JT (e1) + a2Jt(e2);
2) aKO∫ t
se(u, ω)dwu =
∫ T
0e(u, ω)χ[s,t](u)dwu, K˙DETO χ[s,t](u) E INDIKATOR˙T NA
[s, t], TO ∫ t
0
e(u, ω)dwu =
∫ t1
0
e(u, ω)dwu +
∫ t
t1
e(u, ω)dwu;
3)∫ t
0e(u, ω)dwu E NEPREK˙SNATA FUNKCIQ NA GORNATA SI GRANICA t ∈ [0, T ];
4) pRI s < t S WEROQTNOST 1
E
∫ t
0
e(u, ω)dwu|Fs
=
∫ s
0
e(u, ω)dwu;
W ˆASTNOST
4’) E
∫ t
0
e(u, ω)dwu
= 0 ZA WSQKO t ∈ [0, T ];
5) E
∫ t
0
e1(u, ω)dwu
∫ t
0
e2(u, ω)dwu
= E
∫ t
0
e1(u, ω)e2(u, ω)du
.
dOKAZATELSTWO: 1) I 2) SA OˆEWIDNI; 3) SLEDWA OT NEPREK˙SNATOSTTA NA wINE-ROWIQ PROCES. zA 4) E DOSTAT˙ˆNO DA SE OTBELEVI, ˆE PRI tk ≥ s S WEROQTNOST1
Eξk(ω)[wtk+1− wtk ]|Fs = EE(ξk[wtk+1
− wtk ]|Ftk)|Fs =
Eξk(ω)E(wtk+1− wtk |Ftk)|Fs = 0.
aNALOGIˆNO SE DOKAZWA 5). bEZ OGRANIˆENIE NA OB]NOSTTA, MOVEM DA SMQTAME,ˆE e1(t, ω), e2(t, ω) PRIEMAT POSTOQNNI STOJNOSTI W˙RHU EDNI I S˙]I INTERWALI.
pOSLE RAZS˙VDAWAME, KAKTO PRI JT (f) =∫ T
0f(s)dη(s).
2.1 sTOHASTIˆEN INTEGRAL ZA PROIZWOLNA FUNKCIQ S IN-TEGRUEM KWADRAT
i TAKA OT JT (e) ]E DEFINIRAME STOHASTIˆEN INTEGRAL ZA PROIZWOLNA FUNKCIQf ∈ L2([0, T ]× Ω).
82 lekciq 8. stohasti˜ni urawneniq
lEMA 8.2. zA WSQKA FUNKCIQ f ∈ L2([0, T ] × Ω) S˙]ESTWUWA REDICA OT ELEMEN-TARNI FUNKCII fn, n = 1, 2, . . . OT S˙]IQ KLAS, TAKA ˆE
E∫ T
0
[fn(t, ω)− f(t, ω)]2dt → 0, n→∞. (8.4)
dOKAZATELSTWO: a) nEKA f(t, ω) ∈ L2([0, T ]× Ω), |f(t, ω)| ≤ C I f(t, ω) e NEPRE-
K˙SNATA PO t S WEROQTNOST 1. pOLAGAME fn(t, ω) = f(kT
n) PRI t ∈ [
kT
n,(k + 1)T
n) I
POLUˆAWAME REDICATA fn, n = 1, 2, . . . , K˙DETO fn ∈ L2([0, T ]× Ω) I
E∫ T
0
[fn(t)− f(t)]2dt → 0, n→∞.
B) nEKA |f(t, ω)| ≤ C. tOGAWA FUNKCIITE
fn(t, ω) = n
∫ t
tn
f(t, ω)ds, tn = max[t− 1/n, 0]
SA NEPREK˙SNATI, PRINADLEVAT NA L2([0, T ] × Ω) I OBRAZUWAT REDICA, KOQTO S
WEROQTNOST 1 KLONI K˙M f(t, ω). t˙J KATO |f(t, ω)| ≤ C, TO
E∫ T
0
[fn(t)− f(t)]2dt → 0, n→∞.
W) zA PROIZWOLNA FUNKCIQ f(t, ω) ∈ L2([0, T ] × Ω). tQ SE APROKSIMIRA W L2
SMIS˙L OT OGRANIˆENI FUNKCII
f(t, ω) = f(t, ω)χ[−n,n](t).
i TAKA NEKA f ∈ L2([0, T ]×Ω). s˙GLASNO DOKAZANATA lEMA, S˙]ESTWUWA REDICA
OT ELEMENTARNI FUNKCII fn, n = 1, 2, . . . , ZA KOITO E IZP˙LNENO (8.4). nO TOGAWA
limn→∞Eto∞
E∫ T
0
[fn(t, ω)− fm(t, ω)]2dt = 0
I OT sWOJSTWO 5) SLEDWA, ˆE
limn→∞m→∞
E∫ T
0
[fn(t, ω)dwt −∫ T
0
fm(t, ω)dwt] =
limn→∞m→∞
E∫ T
0
[fn(t, ω)− fm(t, ω)]2dt = 0,
T.E. JT (fn) E FUNDAMENTALNA W L2−SMIS˙L. sLEDOWATELNO S˙]ESTWUWA GRANICA
KOQTO OZNAˆAWAME S JT (f) ILI∫ T
0f(t, ω)dwt, T.E.
JT (f) =
∫ T
0
f(t, ω)dwt = l.i.m.JT (fn).
2. nqkoi swojstwa na JT (E) 83
pO TOZI NAˆIN SE DEFINIRA STOHASTIˆEN INTEGRAL JT (f) PO wINEROW PROCESZA PROIZWOLNA FUNKCIQ OT L2([0, T ] × Ω). dEFINICIQTA NE ZAWISI OT IZBORA NA
APROKSIMIRA]ATA REDICA, T.E. STOJNOSTTA NA GRANICATA NE ZAWISI OT APROKSIMI-RA]ATA REDICA S TOˆNOST DO STOHASTIˆNA EKWIWALENTNOST. s˙]ITE SWOJSTWA 1)-5)SA W SILA I W OB]IQ SLUˆAJ.
dEFINIRAME SEMEJSTWOTO STOHASTIˆNI INTEGRALI Jt(f) PRI t ∈ [0, T ], KATOPOLOVIM
Jt(f) = JT (fχ[0,t])
T.E.
Jt(f) =
∫ T
0
f(s, ω)χ[0,t](s, ω)dws =
∫ t
0
f(s, ω)dws.
dADENATA KONSTRUKCIQ NA STOHASTIˆNI INTEGRALI JT (f), t ∈ [0, T ] I TEHNITEOSNOWNI SWOJSTWA OSTAWAT W SILA I PRI T = ∞. tRQBWA SAMO f ∈ L2([0,∞) × Ω),T.E. E
∫∞0f 2(s, ω)ds <∞.
pRIMER 8.1. nEKA wt, t ≥ 0, w0 = 0 E wINEROW PROCES. ˝E POKAVEM, ˆE∫ T
0
wtdwt =1
2(w2
T − T ).
fUNKCIQTA wt E IZMERIMA, Ft− S˙GLASUWANA I ZA WSQKO T <∞ IMAME∫ T
0
Ew2t dt =
∫ T
0
tdt = T 2/2.
nEKA 0 = t0 < t1 < t2, . . . < tn = T. pOLAGAME f(t, ω) = wtk PRI t ∈ [tk, tk+1).sLEDOWATELNO ∫ T
0
E[f(t, ω)− wt]2dt =
n−1∑k=0
∫ tk+1
tk
E[wt − wtk ]2dt = 1/2
n−1∑k=0
(tk+1 − tk)2 → 0,
max(tk+1 − tk) → 0 n→∞.
sLEDOWATELNO ∫ T
0
wtdwt = l.i.m.n→∞
n−1∑k=0
wtk [wtk+1− wtk ].
rAZGLEVDAME
w2T =
n−1∑k=0
(wtk+1− wtk)
2 + 2n−1∑k=0
∑j<k
(wtk+1− wtk)(wtj+1
− wtj) = (8.5)
n−1∑k=0
(wtk+1− wtk)
2 + 2n−1∑k=0
wtk(wtk+1− wtk).
84 lekciq 8. stohasti˜ni urawneniq
lQWATA STRANA NA (8.5) NE ZAWISI OT TOˆKITE NA DELENE NA [0, T ]. oT (8.2)SLEDWA, ˆE P˙RWATA SUMA W (8.5) KLONI K˙M T . tOGAWA OT (8.2) I (8.5) SLEDWA∫ T
0
wtdwt =1
2(w2
T − T ).
3 sWOJSTWA NA STOHASTIˆNITE INTEGRALI
dA OZNAˆIM ηt =∫ t
0f(s, ω)dws.
1) zA WSQKO t ∈ [0, T ] E|ηt| <∞;nAISTINA
E|ηt| ≤(E(ηt)
2)1/2
=
(E∫f 2(s, ω)ds
)1/2
<∞,
T˙J KATO f ∈ L2([0, T ]× Ω).2) pRI t > s S WEROQTNOST 1 E IZP˙LNENO (PORADI SWOJSTWO 4))
E(ηt|Fs) = ηs.
zNAEM, ˆE wt e MARTINGAL I OT POSLEDNOTO SWOJSTWO 2) SLEDWA, ˆE INTEGRALAPO wINEROW PROCES E S˙]O MARTINGAL. pRI TOWA S WEROQTNOST 1
E(ηt − ηs)2|Fs = E
∫ t
s
f 2(u, ω)du|Fs.
4 fORMULA NA iTO ZA SMQNA NA PROMENLIWITE
nEKA (Ω,F ,P) E WEROQTNOSTNO PROSTRANSTWO, Ft E POTOK OT σ ALGEBRI, t ≥ 0 I
(wt,Ft) E wINEROW PROCES.dADENI SA SL. FUNKCII a(t, ω) I b(t, ω), t ≥ 0, KOITO SA S˙GLASUWANI S POTOKA
Ft I UDOWLETWORQWAT RAWENSTWATAP∫∞
0|a(s, ω)|ds <∞ = 1
P∫∞
0b2(s, ω)ds <∞ = 1.
(8.6)
oPREDELENIE 8.4. kAZWAME, ˆE SL. PROCES ξt, t ≥ 0 DOPUSKA STOHASTIˆEN DIFE-RENCIAL S KOEFICIENTI NA PRENOS a(t, ω) I DIFUZIQ b2(t, ω), AKO ZA WSQKO t ≥ 0 SWEROQTNOST 1
ξt = ξ0 +
∫ t
0
a(s, ω)ds+
∫ t
0
b(s, ω)dws, (8.7)
K˙DETO ξ0 E SL. WELIˆINA NEZAWISIMA OT wINEROWIQ PROCES.wMESTO (8.7) ZA UDOBSTWO ZAPISWAME
dξt = a(t, ω)dt+ b(t, ω)dwt, ξt|t=0 = ξ0.
4. formula na ito za smqna na promenliwite 85
aKO g(t, x), t ≥ 0, x ∈ R E IZMERIMA FUNKCIQ I WMESTO ARGUMENTA x ZAMESTIMPROCESA ξt, TO ]E POLUˆIM NOW SLUˆAEN PROCES
η(t) = g(t, ξt), t ≥ 0.
oSNOWEN W˙PROS, KOJTO NI INTERESUWA E PRI KAKWI USLOWIQ η(t), t ≥ 0 DOPUSKASTOHASTIˆEN DIFERENCIAL?
tEOREMA 8.1. (fORMULA NA iTO W EDNOMERNIQ SLUˆAJ) nEKA g(t, x) IMA NEPRE-
K˙SNATI PROIZWODNI g′t = ∂g∂t, g′x = ∂g
∂xI g′′xx = ∂2g
∂x2 , A ξt, t ≥ 0 SE ZADAWA S˙S (8.7).tOGAWA η(t) DOPUSKA STOHASTIˆEN DIFERENCIAL
dη(t) = A(t, ω)dt+B(t, ω)dwt, η(0) = g(0, ξ0), (8.8)
K˙DETO
A(t, ω) = g′t(t, ξt) + a(t, ω)g′x(t, ξt) +1
2b2(t, ω)g′′xx(t, ξt),
B(t, ω) = b(t, ω)g′x(t, ξt).
˝E OTBELEVIM 2 WAVNI SLUˆAQ NA FORMULATA NA iTO W MNOGOMERNIQ SLUˆAJ.I. nEKA g = g(t, x1, x2, . . . , xn), t ≥ 0, xk ∈ R, k = 1, 2, . . . , n E TAKAWA, ˆE PROIZ-
WODNITE
g′t =∂g
∂t, g′k =
∂g
∂xk
, g′′kj =∂2g
∂xk∂xj
, k, j = 1, . . . , n
S˙]ESTWUWAT I SA NEPREK˙SNATI. dADENI SA n SLUˆAJNI PROCESA ξ1(t), . . . , ξn(t),K˙DETO
dξk(t) = ak(t, ω)dt+ bk(t, ω)dwt, k = 1, . . . , n,
I FUNKCIITE ak I bk SA OT TIPA (8.6). tOGAWA SL. PROCES η(t) = g(t, ξ1(t), . . . , ξn(t))IMA STOHASTIˆEN DIFERENCIAL
dη(t) =
[g′t +
n∑k=1
akg′k +
1
2
n∑k=1
n∑j=1
bkbjg′′kj
]dt+
[n∑
k=1
g′kbk
]dwt, (8.9)
η(0) = g(0, ξ1(0), . . . , ξn(0)).
II. nEKA ξ(t), t ≥ 0, IMA DIFERENCIAL
dξ(t) = a(t, ω)dt+ b(t, ω)dw(t),
K˙DETO a(t, ω) = (a1(t, ω), . . . , an(t, ω)), b(t, ω) = (bkj(t, ω)), k, j = 1, . . . , n, w(t) =(w1(t), . . . , wn(t)).
aKO g(t, x), t ≥ 0, x ∈ Rn E GLADKA FUNKCIQ, TO
dg(t, ξ(t)) =
[g′k(t, ξ(t)) +
n∑k=1
g′kak +1
2
n∑i,j=1
g′′ij(n∑
k=1
bikbkj)
]dt+
n∑i,j=1
g′ibijdwj(t).
(8.10)
86 lekciq 8. stohasti˜ni urawneniq
fORMULITE (8.9) I (8.10) S˙]O SE NARIˆAT FORMULI NA iTO.fORMULATA (8.9) MOVE DA SE ZAPI[E W SLEDNATA EKWIWALENTNA FORMA
dη(t) = g′tdt+n∑
k=1
g′kdξk(t) + (1/2)n∑
k=1
g′′kjdξk(t)dξj(t). (8.11)
aKO W (8.11) dξk(t) ZAMESTIM S NEGOWOTO RAWNO, k = 1, . . . , n I IZPOLZUWAME
TABLICATA ZA UMNOVENIE NA DIFERENCIALI
× dw dtdw dt 0dt 0 0
TO MOVE DA SE POLUˆI (8.9).
pRIMER 8.2. nEKA W (8.11) n = 2, g = x1x2. tOGAWA
d[ξ1(t)ξ2(t)] = ξ1(t)dξ2(t) + ξ2(t)dξ1(t) + b1(t)b2(t)dt,
a S˙]O
d[ξ1(t)ξ2(t)] = [ξ1(t)a2(t) + ξ2(t)a1(t) + b1(t)b2(t)]dt+ [ξ1(t)b2(t) + ξ2(t)b1(t)]dwt.
˜ASTNI SLUˆAI:1) ξ1(t) = t, ξ2(t) = wt : d[twt] = wtdt+ tdwt.
2) ξ1(t) = ξ2(t) = wt : d[w2t ] = dt + 2wtdwt (OT K˙DETO SLEDWA, ˆE
∫ T
0wtdwt =
(1/2)(w2t − T )).
pRIMER 8.3. nEKA ξ(t) =∫ t
0b(s, ω)dws, g(x) = x4. tOGAWA
d[η(t)] = d[ξ4(t)] = 6
∫ t
0
ξ2(s)b2(s, ω)ds+ 4
∫ t
0
ξ3(s)b(s, ω)dws.
pRIMER 8.4. zA ∀m ≥ 2
d[wmt ] = mwm−1
t dwt +m(m− 1)
2wm−2
t dt.
kATO SLEDSTWIE OT TUK MOGAT DA SE IZWEDAT S˙OTNO[ENIQTA:∫ b
a
wnt dwt =
1
n+ 1[wn+1
b − wn+1a ]− n
2
∫ b
a
wn−1t dt,
∫ b
a
w2t dwt =
1
3[w3
b − w3a]−
1
2[w2
b − w2a] +
1
2(b− a).
i IZOB]O, AKO g NE ZAWISI OT t I IMA DWE NEPREK˙SNATI PROIZWODNI, TO∫ b
a
g′(ws)dws = g(wb)− g(wa)− (1/2)
∫ b
a
g′′(ws)ds.
5. stohasti˜ni diferencialni urawneniq 87
5 sTOHASTIˆNI DIFERENCIALNI URAWNENIQ
zADAˆA 8.1. dADENA E FUNKCIQTA f(t) = f(t, ω), ZA KOQTO P∫∞
0f(t)2dt <∞ =
1. rAZGLEVDAME PROCESA
zt = exp[
∫ t
0
f(s)dws − (1/2)
∫ t
0
f 2(s)ds].
pO FORMULATA NA iTO IMAME
dzt = zt
(f(t)dwt −
1
2f 2(t)dt
)+
1
2zt
[f(t)dwt −
1
2f 2(t)dt
]2
= zt
(f(t)dwt −
1
2f 2(t)dt
)+
1
2ztf
2(t)dt.
sLEDOWATELNO
dzt = ztf(t)dwt. (8.12)
qSNO E, ˆE ZA WSQKO t ≥ 0, zt > 0 S WEROQTNOST 1. tOGAWA MOVEM DA PRILOVIMFORMULATA NA iTO I K˙M z−1
t :
d(z−1t ) = f 2(t)z−1
t dt− f(t)z−1t dwt.
(8.12) e NAJ-PROSTOTO STOHASTIˆNO DIFERENCIALNO URAWNENIE. zADAWAME NA-ˆALNO USLOWIE z0 = 1 I ZAPISWAME (8.12) W INTEGRALNA FORMA
yt = 1 +
∫ t
0
ysf(s)dws. (8.13)
˝E POKAVEM, ˆE EDINSTWENOTO NEPREK˙SNATO RE[ENIE NA (8.13) SE ZADAWA SRAWENSTWOTO:
zt = exp
[∫ t
0
f(s)dws − (1/2)
∫ t
0
f 2(s)ds
]. (8.14)
oT NAPRAWENITE RAZS˙VDENIQ SLEDWA, ˆE zt OT (8.14) UDOWLETWORQWA (8.13).nEKA xt e NQKAKWO DRUGO NEPREK˙SNATO RE[ENIE NA S˙]OTO URAWNENIE. tOGAWAPO FORMULATA NA iTO IMAME
d(xt/zt) = d(xtz−1t ) = z−2
t [xtdzt − ztdxt] + z−3t xt(dzt)
2 − z2t dxtdzt = 0
KOETO OZNAˆAWA, ˆE xt = zt S WEROQTNOST 1 ZA WSQKO t ≥ 0.
rAZGLEDANATA ZADAˆA POKAZWA, ˆE NQKOI STOHASTIˆNI DIFERENCIALNI URAWNE-NIQ MOGAT DA SE RE[AT SAMO S POMO]TA NA FORMULATA NA iTO.
tEOREMA 8.2. nEKA f(t, ω) = f(t) E DETERMINIRANA FUNKCIQ S OGRANIˆENA WARI-ACIQ W [0, t]. tOGAWA ∫ t
0
f(s)dws = f(t)wt −∫ t
0
wsdf(s).
88 lekciq 8. stohasti˜ni urawneniq
6 dOKAZATELSTWO NA FORMULATA NA iTO
˝E DOKAVEM SLEDNOTO:nEKA Xt SL. PROCES ZADADEN ˆREZ
dXt = adt+ bdwt (8.15)
(pROCES NA iTO)I NEKA g(t, x) ∈ C2([0,∞)×R). tOGAWA PROCES˙T Yt = g(t,Xt) E OTNOWO PROCES
NA iTO I
dYt =∂g
∂t(t,Xt)dt+
∂g
∂x(t,Xt)dXt +
1
2
∂2g
∂x2(t,Xt)(dXt)
2, (8.16)
K˙DETO (dXt)2 = dXtdXt SE PRESMQTA PO PRAWILATA
dt.dt = dt.dwt = dwt.dt = 0, dwt.dwt = dt. (8.17)
dOKAZATELSTWO: dA ZAMESTIM dXt = adt + bdwt W (8.16) I DA PRILOVIM (8.17).pOLUˆAWAME
g(t,Xt) = g(0, X0) +
∫ t
0
(∂g
∂s(s,Xs) + as
∂g
∂x(s,Xs) + (1/2)b2s
∂2g
∂x2(s,Xs)
)+ (8.18)
∫ t
0
bs∂g
∂x(s,Xs)dBs,
K˙DETO as = a(s, ω), bs = b(s, ω) I TOWA E OTNOWO PROCES NA iTO.mOVEM DA PREDPOLAGAME, ˆE g I PROIZWODNITE I SA OGRANIˆENI W [0, t] I IZ-
POLZUWAME, ˆE WSQKA NEPREK˙SNATA FUNKCIQ MOVEM DA APROKSIMIRAME S˙S ST˙-PALOWIDNI FUNKCII. pREDPOLAGAME, ˆE a(t, ω) I b(t, ω) SA ELEMENTARNI FUNKCII.tOGAWA PO FORMULATA NA tEJLOR IMAME:
g(t,Xt) = g(0, X0) +∑
j
∆g(tj, Xtj) =
g(0, X0) +∑
j
∂g
∂t∆tj +
∑j
∂g
∂x∆Xj +
1
2
∑j
∂2g
∂t2(∆tj)
2+
∑j
∂2g
∂t∂x(∆tj)(∆Xj) +
1
2
∑j
∂2g
∂x2(∆Xj)
2 +∑
Rj,
K˙DETO∂g∂t, ∂g
∂xSA PRESMETNATI W TOˆKATA (tj, Xtj), ∆tj = tj+1−tj, ∆Xj = Xtj+1
−Xtj ,∆g(tj, Xj) = g(tj+1, Xtj+1
)− g(tj, Xtj) I Rj = o(|∆tj|2 + |∆Xj|2) ZA WSIˆKI j.kOGATO ∆tj → 0, TOGAWA∑
j
∂g
∂t∆tj =
∑j
∂g
∂t(tj, Xtj)∆tj →
∫ t
0
∂g
∂t(s,Xs)ds. (8.19)
6. dokazatelstwo na formulata na ito 89
∑j
∂g
∂x∆Xj =
∑j
∂g
∂x(tj, Xtj)∆Xj →
∫ t
0
∂g
∂x(s,Xs)dXs. (8.20)
t˙J KATO FUNKCIITE a I b SA ELEMENTARNI, POLUˆAWAME∑j
∂2g
∂x2(∆Xj)
2 =∑
j
∂2g
∂x2a2
j(∆tj)2 + (8.21)
+2∑
j
∂2g
∂x2ajbj(∆tj)(∆wj) +
∑j
∂2g
∂x2b2j(∆wj)
2,
K˙DETO aj = a(tj, ω) I bj = b(tj, ω).p˙RWITE DWE S˙BIRAEMI W (8.21) KLONQT K˙M 0, KOGATO ∆tj → 0.nAPRIMER
E
(∑j
∂2g
∂x2ajbj(∆tj)(∆wj)
2
)=
=∑
j
E
(∂2g
∂x2ajbj
)2
(∆tj)3 → 0, ∆tj → 0.
dA POKAVEM, ˆE I TRETIQT KLONI W L2 SMIS˙L K˙M 0, PRI ∆tj → 0.dA POLOVIM
a(t) =∂2g
∂x2(t,Xt)b
2(t, ω), aj = a(tj)
I DA RAZGLEDAME
E[(∑
j
aj(∆wj)2 −
∑j
aj∆tj)2] =
∑i,j
E[aiaj
((∆wi)
2 −∆ti) (
(∆wj)2 −∆tj
)].
aKO i < j, TO aiaj ((∆wi)2 −∆ti) I (∆wj)
2 − ∆tj SA NEZAWISIMI I TOZI ˆLEN
OTPADA, KAKTO ANALOGIˆNO I PRI i > j. tAKA OSTAWA SAMO∑j
E[a2j
((∆wj)
2 −∆tj)2
] =∑
j
E[a2j ]E[(∆wj)
4 − 2(∆wj)2∆tj + (∆tj)
2] =
=∑
j
E[a2j ].(3(∆tj)
2 − 2(∆tj)2 + (∆tj)
2) = 2∑
j
E[a2j ](∆tj)
2 → 0, PRI ∆tj → 0.
s DRUGI DUMI DOKAZAHME, ˆE∑j
aj(∆wj)2 L2→
∫ t
0
a(s)ds,∆tj → 0,
KOETO SE OZNAˆAWA PO STRANNIQ NAˆIN KATO (dwt)2 = dt.
lEKCIQ 9
sTOHASTIˆNI DIFERENCIALNI
URAWNENIQ
w TAZI LEKCIQ SI POSTAWQME SLEDNITE CELI:
• dA DEFINIRAME STOHASTIˆNO DIFERENCIALNO URAWNENIE;
• dA NAMERIM RE[ENIQTA NA NQKOI sdu;
• dA RAZGLEDAME PRIMERI.
1 oPREDELENIE
nEKA NA W. P. (Ω,F ,P) E ZADADENA SL. FUNKCIQ f(t, x, ω), x ∈ R, t ≥ 0, ω ∈ ΩrAZGLEVDAME URAWNENIETO
dx(t)
dt= f(t, x(t), ω), x(t) = x0. (9.1)
pRI OPREDELENI USLOWIQ TO IMA EDINSTWENO RE[ENIE x(t) = x(t, ω), t ≥ 0,KOETO E SL. PROCES NEPREK˙SNAT I DIFERENCIRUEM. sLEDOWATELNO, URAWNENIETO(9.1) MOVE DA SE IZPOLZUWA ZA OPISWANE NA DWIVENIE, PRITEVAWA]O SKOROST.
s W˙WEDENOTO PONQTIE STOHASTIˆEN INTEGRAL I STOHASTIˆEN DIFERENCIAL MO-VEM DA DEFINIRAME EDIN KLAS PROCESI, KOJTO E PO-[IROK OT PROCESITE OPISWANIS (9.1), I OT WINEROWIQ PROCES. tOZI KLAS PROCESI E SW˙RZAN S URAWNENIQ OT WIDA
ξ(t) = ξ0 +
∫ t
0
a(s, ξ(s))ds+
∫ t
0
b(s, ξ(s))dws, (9.2)
KOITO SE NARIˆAT STOHASTIˆNI DIFERENCIALNI URAWNENIQ. fUNKCIITE a(t, x) Ib(t, x) SA DEFINIRANI ZA t ∈ [0, T ] I x ∈ R, IZMERIMI SA PO (t, x) I Se NARIˆATKOEFICIENTI NA URAWNENIETO, ξ0 E SL.W. ILI KONSTANTA (NAˆALNO USLOWIE NA (9.2)).
OˆEWIDNO (9.2) E OBOB]ENIE NA (9.1) I NA wINEROWIQ PROCES. s POMO]TA NA
(9.2) MOGAT DA SE OPISWAT NEPREK˙SNATI DWIVENIQ, KOITO NQMAT SKOROST. aKO EDNA
90
2. primeri 91
SISTEMA SE NAMIRA PO W˙ZDEJSTWIETO NA SL. SMU]ENIQ OT TIPA NA ”BQL [UM”, TOKATO EDIN STOHASTIˆEN MODEL SE IZPOLZUWA IMENNO URAWNENIE OT WIDA (9.2).
oPREDELENIE 9.1. aKO KOEFICIENTITE a I b NA URAWNENIETO NE ZAWISQT OT tTO sdu SE NARIˆA HOMOGENNO (EDNORODNO) INAˆE SE NARIˆA NEHOMOGENNO (NEEDNO-RODNO).
wMESTO (9.2) ˆESTO SE IZPOLZUWA DIFERENCIALNIQ ZAPIS
dξ(t) = a(t, ξ(t))dt+ b(t, ξ(t))dwt, ξ(0) = ξ0. (9.3)
kAKWO E RE[ENIE NA (9.3) (RESP. NA (9.2))?oSWEN (Ω,F ,P) NEKA E ZADADEN I POTOK˙T OT σ ALGEBRI Ft, t ∈ [0, T ], S KOJTO
E S˙GLASUWAN wINEROWIQ PROCES. nEKA ξ0 E F0 IZMERIMA. tOGAWA POD RE[ENIE NA(9.2) ]E RAZBIRAME SL. PROCES ξ(t) = ξ(t, ω), t ∈ [0, T ], K˙DETO
1) ξ(t) E IZMERIM PO (t, ω);2) zA ∀t ∈ [0, T ], ξ(t, ω) E Ft IZMERIM;3) S WEROQTNOST 1 ZA ∀t ∈ [0, T ], ξ(t) UDOWLETWORQWA (9.2).
2 pRIMERI
pRIMER 9.1. nEKA KOEFICIENTITE a I b NE ZAWISQT OT x, T.E.
a(t, x) = a(t), b(t, x) = b(t).
tOGAWA URAWNENIETO SE ZADAWA S
ξ(t) = ξ0 +
∫ t
0
a(s)ds+
∫ t
0
b(s)dws, (9.4)
I PROCES˙T ξ(t) E PROCES S NEZAWISIMI NARASTWANIQ, KOITO SA gAUSOWO RAZP-
REDELENI I IMAT PARAMETRI Eξ(t) − ξ(s) =
∫ t
s
a(u)du I Varξ(t) − ξ(s) =∫ t
sb2(u)du.
pRIMER 9.2. nEKA KOEFICIENTITE a I b ZAWISQT LINEJNO OT x, T.E.
a(t, x) = a(t)x, b(t, x) = b(t)x.
tOGAWA URAWNENIETO SE ZADAWA S
ξ(t) = ξ0 +
∫ t
0
a(s)ξ(s)ds+
∫ t
0
b(s)ξ(s)dws, ξ(0) = ξ0,
92 lekciq 9. stohasti˜ni diferencialni urawneniq
zA DA NAMERIM ξ(t) ]E W˙WEDEM NOW PROCES ζ(t) = log ξ(t), AKO ξ0 > 0 ILI ζ(t) =log(−ξ(t)), AKO ξ0 < 0. pO FORMULATA NA iTO IMAME
dζ(t) =1
ξ(t)a(t)ξ(t)dt− 1
2
1
ξ(t)2b2(t)ξ2(t)dt+
1
ξ(t)b(t)ξ(t)dwt
sLEDOWATELNO
dζ(t) = (a(t)− (1/2)b2(t))dt+ b(t)dwt, ζ(0) = ζ0 = log ξ0,
T.E. ζ(t) E OT TIPA (9.4).sLEDOWATELNO,
ζ(t) = ζ0 +
∫ t
0
(a(s)− (1/2)b2(s))dt+
∫ t
0
b(s)dws,
OTK˙DETO NAMIRAME
ξ(t) = ξ0 exp
∫ t
0
(a(s)− (1/2)b2(s))dt+
∫ t
0
b(s)dws
.
pRIMER 9.3. nEKA KOEFICIENTITE a I b ZAWISQT LINEJNO OT x, T.E.
a(t, x) = a1(t) + a2(t)x, b(t, x) = b1(t) + b2(t)x.
t˙RSIM SL. PROCES S DIFERENCIAL
dξ(t) = [a1(t) + a2(t)ξ(t)]dt+ [b1(t) + b2(t)ξ(t)]dwt, ξ(0) = ξ0, (9.5)
zA DA NAMERIM ξ(t) ]E W˙WEDEM NOW PROCES ζ(t) = η(t)ξ(t), K˙DETO
η(t) = exp
−∫ t
0
(a2(s)− (1/2)b22(s))ds+
∫ t
0
b2(s)dws
, η(0) = 1.
kATO PRILOVIM FORMULATA NA iTO POLUˆAWAME:
ζ(t) = ξ0 +
∫ t
0
η(s)(a1(s)− b1(s)b2(s))ds+
∫ t
0
b1(s)η(s)dws.
kATO ZAMESTIM η(s) S NEGOWOTO RAWNO POLUˆAWAME
ξ(t) = exp
[∫ t
0
(a2(s)−b22(s)
2)ds+
∫ t
0
b2(s)dws
]×
×[ξ0 +
∫ t
0
exp
(−∫ s
0
(a2(u)−b22(u)
2)du−
∫ s
0
b2(u)dwu
)(a1(s)− b1(s)b2(s))ds
+
∫ t
0
exp
(−∫ s
0
(a2(u)−b22(u)
2)du−
∫ s
0
b2(u)dwu
)b1(s)dws]
3. s¨˝estwuwane i edinstwenost na re–enieto na sdu 93
3 s˙]ESTWUWANE I EDINSTWENOST NA RE[ENIETO
NA sdu
pRIMERITE POKAZWAT, ˆE RE[ENIQTA NA sdu MOGAT DA SE NAMERQT QWNO. eS-TESTWEN E W˙PROS˙T DALI PROIZWOLNO sdu MOVE DA SE PREOBRAZUWA S POMO]TA NA
WZAIMNO EDNOZNAˆNA FUNKCIQ W LINEJNO? dOKAZWA SE, ˆE PRI DOP˙LNITELNI PRED-POLOVENIQ ZA GLADKOST NA KOEFICIENTITE a(t, x), b(t, x) TOWA MOVE DA SE POSTIGNE,NO SE STIGA DO ˜du, KOETO NE WINAGI MOVE DA SE RE[I. pO-ˆESTO SE PRAWI TAKA:KOEFICIENTITE NA DADENOTO URAWNENIE (9.2) SE LINEARIZIRAT I NATAT˙K SE IZS-LEDWA POLUˆENOTO LINEJNO sdu. w˙W WSIˆKI SLUˆAJ NEGOWOTO RE[ENIE MOVE DA SEPRIEME KATO P˙RWO PRIBLIVENIE NA PROCESA ξ(t), OPISWA] SLOVNATA NELINEJNA
SISTEMA.
tEOREMA 9.1. dA DOPUSNEM, ˆE ZA NQKOQ KONSTANTA C I ZA WSIˆKI t ∈ [0, T ] Ix ∈ R SA IZP˙LNENI USLOWIQTA:
|a(t, x)− a(t, y)|+ |b(t, x)− b(t, y)| ≤ C|x− y|,
a2(t, x) + b2(t, x) ≤ C2(1 + x2)(9.6)
nEKA NAˆALNOTO USLOWIE ξ0 E F0 IZMERIMA SL.W. S Eξ20 <∞. tOGAWA
1) s WEROQTNOST 1 S˙]ESTWUWA NEPREK˙SNATO RE[ENIE ξ(t) S ξ(0) = ξ0;2) supt∈[0,T ] Eξ2(t) <∞;3) AKO ξ1 I ξ2 SA DWE RE[ENIQ NA (9.2) UDOWLETWORQWA]I 1) I 2) TO
P supt∈[0,T ]
|ξ1(t)− ξ2(t)| = 0 = 1.
dOKAZATELSTWO: p˙RWO ]E POKAVEM, ˆE RE[ENIETO NA (9.2) E EDINSTWENO. nEKAZA i = 1, 2
ξi(t) = ξ0 +
∫ t
0
a(s, ξi(s))ds+
∫ t
0
b(s, ξi(s))dws.
tOGAWA
E(ξ1(t)−ξ2(t))2 = E(∫ t
0
[a(s, ξ1(s))−a(s, ξ2(s))]ds+∫ t
0
[b(s, ξ1(s))−b(s, ξ2(s))]dws)2
≤ 2E∫ t
0
[(a(s, ξ1(s))− a(s, ξ2(s))]ds)2+ 2E
∫ t
0
[(b(s, ξ1(s))− b(s, ξ2(s))]dws)2
≤ 2tE∫ t
0
[(a(s, ξ1(s))− a(s, ξ2(s))]ds)2+ 2E
∫ t
0
[b(s, ξ1(s))− b(s, ξ2(s))]ds)2 ≤
2tC2
∫ t
0
E(ξ1(s)− ξ2(s))2ds+ 2C2
∫ t
0
E(ξ1(s)− ξ2())2ds ≤
94 lekciq 9. stohasti˜ni diferencialni urawneniq
≤ C1
∫ t
0
E(ξ1(s)− ξ2(s))2ds,
K˙DETO C1 = 2(T + 1)C2.
˝E IZPOLZUWAME SLEDNOTO NERAWENSTWO NA gRONUOL-bELMAN: aKO c ≥ 0, u(t) ≥0, v(t) ≥ 0, TO OT NERAWENSTWOTO
u(t) ≤ c+
∫ t
0
u(s)v(s)ds
SLEDWA
u(t) ≤ c exp[
∫ t
0
v(s)ds].
pRILAGAME TOWA NERAWENSTWO PRI c = 0, u(t) = E[ξ1(t)− ξ2(t)]2 I v(t) = C1 I
TOGAWA SE POLUˆAWA
E(ξ1(t)− ξ2(t))2 = 0.
sLEDOWATELNO
Pξ1(t) = ξ2(t) = 1
ZA WSQKO t ∈ [0, T ]. tOGAWA ZA WSQKO IZBROIMO PODMNOVESTWO S ⊂ [0, T ]
Psupt∈S
|ξ1(t)− ξ2(t)| = 0 = 1.
t˙J KATO ξ1(t), ξ2(t) SA NEPREK˙SNATI, TO AKO S E MNOVESTWOTO NA SEPARABEL-NOST W [0, T ],
P supt∈[0,T ]
|ξ1(t)− ξ2(t)| = 0 = Psupt∈S
|ξ1(t)− ξ2(t)| = 0 = 1,
SLEDOWATELNO (9.2) IMA EDINSTWENO RE[ENIE.
s˙]ESTWSUWANETO NA ξ(t) ]E DOKAVEM PO METODA NA POSLEDOWATELNITE PROBLI-VENIQ. pOLAGAME:
ξ0(t) ≡ ξ0,
ξn(t) = ξ0 +∫ t
0a(s, ξn−1(s))ds+
∫ t
0b(s, ξn−1(s))dws,
n = 1, 2, . . . .
(9.7)
oT USLOWIETO (9.6) NALOVENI NA KOEFICIENTITE a I b I OT SWOJSTWATA NA STO-HASTIˆNITE INTEGRALI, POLUˆAWAME, ˆE REDICATA ξk(t), k = 0, 1, 2, . . . S WEROQTNOST1 E RAWNOMERNO SHODQ]A PO t W [0, T ]. sLED GRANIˆEN PREHOD PO n → ∞ W (9.7)SLEDWA ˆE S˙]ESTWUWA RE[ENIE ξ(t), t ∈ [0, T ] NA (9.2).
4. nqkoi wavni formuli 95
4 nQKOI WAVNI FORMULI
nEKA
Xt = X0 +
∫ t
0
a(ω, s)ds+
∫ t
0
b(ω, s)dws (9.8)
ILI
dXt = a(ω, t)dt+ b(ω, t)dwt (9.9)
I
g(t,Xt) = Y (t).
tOGAWA
dYt =∂g
∂t|(t,Xt)dt+
∂g
∂x|(t,Xt)dXt +
1
2
∂2g
∂x2|(t,Xt)(dXt)
2 (9.10)
oT
(dwt)2 = dt, dwtdt = dtdwt = dtdt = 0, (9.11)
SLEDWA
(dXt)2 = (a(ω, t)dt+ b(ω, t)dwt)
2 = b2dt.
sLEDOWATELNO
dYt = g′tdt+ g′xdXt +1
2g′′xxb
2dt =
= g′tdt+ g′x(adt+ bdwt) +1
2g′′xxb
2dt =
(g′t + g′xa+1
2g′′xxb
2)dt+ g′xbdwt.
kOLKO E d(Xt.Yt), AKO
dXt = a1dt+ b1dwt
dYt = a2dt+ b2dwt.
rAZGLEVDAME
g(t, x1, x2) = x1x2 η(t) = g(Xt, Yt). (9.12)
tOGAWA
dη(t) = (0 + a1Tt + a2Xt +1
22b1b2)dt
+(Ytb1 +Xt.b2)dwt
dη(t) = Yt(a1dt+ b1dwt) + (a2dt+ b2dwt)Xt + b1b2dt =
YtdXt +XtdYt + b1b2dt.
96 lekciq 9. stohasti˜ni diferencialni urawneniq
5 zADAˆI
zADAˆA 9.1. pREDSTAWETE KATO INTEGRAL NA iTO:
A)∫ t
0w2
sdws.
nEKA g(t, x) = x3
3.
tOGAWA g′t = 0, g′x = x2, g′′xx = 2x.
zA
yt = g(t, wt) =1
3w3
t
POLUˆAWAME
dyt = d(1
3w3
t ) = (0.wt +1
2.1.2wt)dt+ 1.w2
t dwt∫ t
0
d(1
3w3
t ) = wtdt+ w2t dwt
T.E. ∫ t
0
w2sdws =
1
3w3
t −∫ t
0
wsds
ILI
d(1
3w3
t ) = wtdt+ w2t dwt.
B) nEKA Xt = 2 + t+ ewt ,
dA WZEMEM g(x, t) = 2 + t+ ex I Yt = g(wt, t).
tOGAWA
dXt = (1 + o+1
2.1.ewt)dt+ ewt .1.dwt
dXt = (1 +1
2ewt)dt+ ewtdwt.
W) Xt = w21(t) + w2
2(t), g(x, t) = x2 + t2
Yt = g(w21(t), w
22(t)) = w2
1(t) + w22(t)
dYt = (2w2(t) + 0.g′x +1
2.1.2)dt+ 2w1(t).1dwt
dYt = (2w2(t) + 1)dt+ 2w1(t)dwt
dXt = d(w1(t))2 + d(w2(t))
2